190、YOLOv11 知识蒸馏实战一：用 YOLOv11l 教师网络蒸馏 YOLOv11n 的完整代码

190、YOLOv11 知识蒸馏实战一：用 YOLOv11l 教师网络蒸馏 YOLOv11n 的完整代码昨天凌晨三点，我在调试一个边缘部署项目。YOLOv11n 在 Jetson Orin 上跑到了 120fps，但 mAP 只有 38.2，客户要求至少 42。换成 YOLOv11l 倒是能到 45.3，帧率直接掉到 28fps。这种场景我太熟了——要么牺牲速度，要么牺牲精度。知识蒸馏就是来打破这个二选一的。为什么蒸馏 YOLOv11 比蒸馏 YOLOv8 更棘手先说说我踩过的坑。YOLOv11 的 head 结构跟 v8 有本质区别——它把分类和回归头合并成了统一的解耦头，而且引入了 TaskAlignedAssigner 的正样本分配策略。这意味着你不能简单地把 v8 的蒸馏代码搬过来用。我第一版代码直接套用 v8 的蒸馏逻辑，结果教师和学生之间的 logits 维度对不上，训练了 200 个 epoch，mAP 反而掉了 0.8。核心问题在于：YOLOv11 的 head 输出是一个 dict，包含cls_logits和reg_dist两个 key。reg_dist是分布预测，不是直接的 bbox 坐标。蒸馏时如果直接对分布做 KL 散度，会破坏学生网络对边界框的感知能力。蒸馏框架设计：三个损失函数缺一不可我最终采用的方案是Logit Mimicking