深度学习模型蒸馏（Model Distillation）是一种将大型、复杂模型（称为教师模型）的知识传递给小型、简单模型（称为学生模型）的技术。这种技术的目的是减少模型的大小和计算复杂性，同时尽量保留原始模型的学习能力。通过蒸馏，学生模型可以学习到教师模型的决策边界，从而提高其性能。同时，由于学生模型通常更简单，它的决策过程也更容易解释。 原理： 知识蒸馏框架：蒸馏通常涉及一个训练好的教师模型