知识蒸馏作为一种有效的模型加速和模型压缩方法，近年来得到了广泛的使用。它通过使用大型神经网络的预测作为小型神经网络的学习目标，将知识从大型神经网络转移到小型神经网络。但是，这种方式忽略了大型神经网络内部的知识，例如权重。在本文中我们提出权重蒸馏，通过参数生成器将大型神经网络的权重知识转移到小型神经网络。在WMT16 En-Ro，NIST12 Zh-En和WMT14 En-De机器翻译任务上，小牛翻译团队的实验表明，权重蒸馏学习的小型网络比大型网络快1.88~2.94倍，而且具有很好的翻译性能。