teacher student net
顾名思义：就是老师和学生的网络，也就是老师训练好，然后教学生去怎么训练
这里着重介绍两篇论文，
第一篇是hinton的paper:Distilling the Knowledge in a Neural Network
第二篇是阿里的一个paper:Rocket Launching: A Universal and Efficient Framework for Training Well-performing Light Net\
首先讲第一篇paper的思路：
这篇文章主要是两个contribution:
1 提出了一个knowledge distilling 的过程，也就是知识蒸馏，具体的思路先训练一个大的精准的网络，然后让这个大的网络去教这个小的网络怎么学习
２提出一种新的集成模型(esemble of models)，包括一个通用模型（Generalist Model）和多个专用模型（Specialist Models），其中，专用模型用来对那些通用模型无法区分的细粒度（Fine-grained）类别的图像进行区分
１先介绍几个名词：
hard targets:标签(0,1,0,1,1.......)
soft targets:经过softmax的结果(0.99,0.01,0.02,0.98......)，并且这个softmax的结果还可以进一步soft,
１什么是soft targets
soft targets是这里的大网络进行得到的每个类的softmax值，而具体怎么算每一个类的soft targets，取平均值
平均值包括算数平均值和几何平均值
2 如何得到soft targets
2 为什么能进一步soft
流程：
1 先用一个大的网络(cumbersome)也就是复杂的网络去做分类,标签是hard target(1,0,1,0)也就是正常的学习,最后会
得到每个数据的softmax的值（也就是 soft targets）
２再用一个小的网络，标签是上面的softmax值（注：这里不是hard target（1,0,1,0）,而是预测生成的最大的softmax值）,这里也就是soft targets的值
目标函数：
distilled network输出数据 与hard target进行cross entropy（这里目的是让小模型与真实分布保持一致）拟合真实的数据
distilled network输出数据与soft target 进行cross entropy（这里的目的是让小模型与大模型保持一致）拟合大模型
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
这篇paper 第二个贡献点是ensemble of modles
也就是所谓的聚合模型，作者认为这种聚合模型可以解决细粒度的问题
１ main model(general model)：全部数据进行训练
2 special models:针对于特殊的类进行分类，（需要不需要share models？还是一个类就是一个backbone?）
3 过拟合？怎么解决？