1.FitNets : Hints For Thin Deep Nets （ICLR2015）

论文目的：
蒸馏训练中，为了训练更加深的网络，在某个层中设置hint（暗示）,再与老师网络中的hint对比。 这样做是使训练更加快，好。

实验：
分别在 CIFAR-10 和 CIFAR-100 SVHN MNIST AFLW进行了实验

2.A Gift from Knowledge Distillation：Fast Optimization, Network Minimization and Transfer Learning (CVPR 2017)

论文链接
论文目的:
发现蒸馏可以用来

1. 对模型快速训练， 训练更少的时间就能达到效果。
2. 对模型进行初始化，
3. 对模型进行转移学习（老师网络用于猫狗分类，学生网络用于马和斑马分类）

主要贡献：
1.提出了一蒸馏训练方法，认为教学生网络不同层输出的feature之间的关系比教学生网络结果好
The student DNN does not necessarily have to learn the intermediate output when the specific question is input but can learn the solution method when a specific type of question is encountered

论文内容：

1.定义了FSP matrix矩阵 来表明两个层之间的关系流
The FSP matrix is generated by the features from two layers

网络模型

2.训练过程
先训练FSPloss ,然后再用数据集训练学生网络进行微调。

3.Matching Guided Distillation（ECCV2020）

论文链接

论文目的：
提出了一种新方法用于解决老师网络和学生网络输出feature维度不一致问题，进而导致对比的时候有一定误差。其中，其他老的方法是新增一个卷积，或者attention 去匹配维度。

本文提出三个方法去裁剪老师网络生成的feature通道数，进而与学生网络进行匹配，不需要增加一个桥梁（1*1卷积）去解决features不匹配的情况。

论文内容：
1.通道匹配
寻找一个矩阵M建立S和T特征的联系，
其中S是预训练学生网络输出的feature
T是预训练老师网络输出的feature
$$S=MT$$
$$S\in {\mathcal{R}}^{S\times N},M\in {\mathcal{R}}^{S\times C},T\in {\mathcal{R}}^{C\times N}$$

M 还要满足以下条件

2.通道裁剪
找到M之后进行裁剪，裁剪分为三个方法。
（1）sparse matching

（2）random drop
（3） max pooling

论文不足 ：使用的预训练的student模型，然后再利用teacher微调。其中M是两者的相关程度，可以直接对teacher生成的feature进行运算，找到有代表性的。

4.A Comprehensive Overhaul of Feature Distillation（ICCV2019）

论文链接

论文目的：
设计一种蒸馏方法，对teacher transform, student transform, distillation feature position and distance function 进行了设计

论文内容：
teacher transform 加了a new ReLU activation
student transform 加了1*1conv
distillation feature position 在pre-RELU
distance function 提出了新的 partial L2 distance

5.Knowledge Transfer via Distillation of Activation Boundaries Formed by Hidden Neurons （AAAI2019）

提供了一个新思路：让老师网络层的神经元的激活平面尽量和学生网络的一样

6.Compressing GANs using Knowledge Distillation

论文链接

上面几篇都是对普通的卷积网络进行压缩，这个文章是对gan进行压缩。

贡献：
1.认为一个超参数的老师网络去蒸馏有更好的效果
2.全文证明了学生网络的参数越多，效果越好

论文内容

7.GhostNet: More Feature from Cheap Operation（CVPR2020）

主要内容;
使用线性操作，复制更多地feature maps，以此代替卷积操作，这样可以简化模型

思想很简单

8.Data-Free Adversarial Distillation

动机：

1. 原始的训练数据不存在，
   2.训练S时，使用一些具有代表性特征的数据 （hard sample）
   方法：
   1.利用G随机生成数据，尽量拉远S和T的距离
   2.训练S，使S和T的距离变小

9.Data-Free Learning of Student Networks (ICCV2020)

动机：
1.不使用原数据集

内容：
1.迭代训练 G 和 S
2.学习原始数据集的分布，更快的生成图片
3.设置了三个损失函数去限制生成器，生成更加好的图片