作者您好：
在您的知识蒸馏相关代码中，我发现有关于蒸馏部分的代码有缺失，您只展示了教师和学生模型分别训练的过程，请问如何体现蒸馏过程呢？
期待您的回复。

请问这是什么代码？utils里面有这个load_data_Fnt10吗？

def writerRecord(save_path, HOME_PATH, coord=None, t_id=0):
writerTrain = tf.python_io.TFRecordWriter(os.path.join(save_path, "train" + str(t_id) + ".tfrecords"))
randIndexTrain = random.sample(range(0, len(trainPaths)), len(trainPaths))
size = int(len(randIndexTrain) / 4)
randIndexTrain = randIndexTrain[t_id * size: (t_id + 1) * size]
sess = tf.Session()

使用一个t_id变量来将训练集分为几个不同的tfrecords吗？
但是使用random.sample()，每次运行都会重新随机，用[t_id * size: (t_id + 1) * size]来确定范围，无法保证每次随机结果一样，那么每次手动更改t_id变量将无意义，无法生成所有图像的tfrecords
建议一次随机后使t_id自动循环，避免多次随机
本人新手，不太理解，所以提问一下，还请指教^_^