Mar, 2022
自我分布蒸馏:高效的不确定性估计
Self-Distribution Distillation: Efficient Uncertainty Estimation
Yassir Fathullah, Mark J. F. Gales
TL;DR本研究提出了一种新颖的训练方法 S2D,它可以有效地训练出一个单一模型以估算不确定性,也可以构建这些模型的集合并应用分层集成蒸馏方法,结果显示 S2D 模型优于标准模型和 Monte-Carlo Dropout,甚至连标准深度集成都能被 S2D 集成和新型蒸馏模型超越。另外还进行了 LSUN、Tiny ImageNet 和 SVHN 的外分布检测实验。