论文地址：
https://arxiv.org/pdf/1503.02531.pdf
蒸馏网络的重要公式：
其中，\(p^g\)为Teacher网络，\(q\)为Student网络。
个体神经网络（CNN模型）：
CNN层 + 全连接层（输出的是logits） + softmax层（输出的是预测值概率P） + 交叉熵损失函数
蒸馏算法：
第一步：使用训练数据集训练Teacher网络，这时候的logits是不使用Temperature参数调控的，和正常算法流程一致；
第二步：使用Teacher网络的\(p^{g}\)和Student网络的\(q\)使用\(KL(p^{g}, q)\)来训练Student网络，需要注意这时的\(p^{g}\)和\(q\)都是使用在对各自的logits使用Temerature系数之后的，并且需要注意这里的Temperature可以视作为一个超参数，并且在使用Teacher网络训练Student网络时使用的训练数据集和单独训练Teacher网络的数据集一致；
第三步：完成Student网络训练后进行测试，注意，这时的Student网络是不需要对logits使用Temperature参数调控的，也就是说测试Student网络时是和普通算法流程一致的，是不使用Temperature参数的。
可以说，在蒸馏算法中这个Temperature是一个超参数形式的存在，并且只存在于使用Teacher网络训练Student网络的时候，其主要原因是这时候如果只是使用概率P进行训练则难以解决概率分布不均衡的情况，并且也无法识别不同logits得到相同P的情况，如果只使用logits则也无法计算时的单位不统一的问题，为此论文中提出对logits加入Temperature系数调整，并用KL散度进行Student网络的训练。
很多人不理解这个知识蒸馏算法，其主要障碍就是不理解这个Temperature系数上，其实这个系数只是一个超参，并且在实际训练时也只是起到一个调节的作用，虽然这个Temperature系统对算法的最终performance影响很大，但是却并不神秘。
