위키득계정 ↗
기술

관계 지식 증류

관계 지식 증류기술
영문명
Relational knowledge distillation
약칭
RKD
대표 관계
두 표현의 거리와 세 표현의 각도
비교 대상
개별 표현값을 맞추는 증류
관계 지식 증류는 개별 입력의 교사 출력값을 그대로 맞추는 대신 여러 입력의 표현 사이 거리나 각도 관계를 학생에게 전달하는 방법이다. 표현 공간의 좌표가 달라도 표본 사이의 구조를 학습 신호로 삼을 수 있다.

점보다 점 사이 관계

교사가 세 입력을 서로 가까운 두 개와 멀리 떨어진 한 개로 표현했다면 학생도 그 상대 구조를 배우도록 한다. 학생 표현의 각 좌표가 교사와 일치할 필요는 없다. 따라서 출력 차원이 달라도 비교 가능한 관계를 정의할 수 있지만 무엇을 보존할지는 관계 함수의 선택에 달려 있다.

거리의 크기를 정규화하기

거리 기반 방식에서는 미니배치 안 표본 쌍의 유클리드 거리를 평균 거리로 나누어 상대 거리를 비교한다. 교사 점이 0,1,3이고 학생 점이 10,12,16이면 세 쌍의 거리는 교사에서 1,2,3, 학생에서 2,4,6이다. 각각 평균 2와 4로 나누면 둘 다 0.5,1,1.5가 된다. 좌표와 절대 크기는 달라도 정규화한 관계는 같다는 자체 예제다.

세 점의 각도

세 표본 중 하나를 꼭짓점으로 두고 나머지 두 표본을 향하는 단위 벡터의 내적으로 각도의 코사인을 비교한다. 거리 손실과 각도 손실을 함께 쓰거나 과제 손실과 결합할 수 있다. 같은 점끼리 비교해 길이가 0인 벡터가 생기면 정규화의 분모를 처리해야 한다.

관계만으로 부족한 정보

거리와 각도만 같다고 클래스 확률의 각 성분이 같은 의미를 갖는 것은 아니다. 분류 출력처럼 개별 값의 의미가 중요한 층에서는 과제 손실이나 개별 출력 증류를 함께 고려한다. 미니배치의 표본 구성과 쌍 또는 세 쌍의 수가 계산량과 전달되는 관계에 영향을 주며 학생의 성능 향상을 자동으로 보장하지는 않는다.

관련 문서

지식 증류 / FitNets / 어텐션 전이 / 유클리드 거리 / 내적 / 신경망