对比学习

目录

1.SimCLR

1.1 SimCLR框架主要组成

 1.2 算法流程及pytorch实现

1.3 主要特性/观点

2.MOCO

2.1 MoCo v1

2.2 MoCo v2

2.2.1 pytorch实现 

参考文献

---

介绍对比学习中最流行的两个模型：SimCLR及MOCO。

1.SimCLR

1.1 SimCLR框架主要组成

                                                                  SimCLR模型框架

从上图可以看出，SimCLR由以下几部分组成：

• 随机数据扩增模块，通过该模块生成positive pair：和；
• Base encoder f，文中采用resnet50(在average pooling layer之后作为输出)；
• projection head g       
• contrastive loss function （NT-Xent loss，the normalized temperature-scaled cross entropy loss)）                   

 1.2 算法流程及pytorch实现

算法完整流程如下：

 pytorch实现 (来自https://github.com/leftthomas/SimCLR/blob/master/model.py)：

import torch
import torch.nn as nn
import torch.nn.functional as F
from torchvision.models.resnet import resnet50


class Model(nn.Module):
    def __init__(self, feature_dim=128):
        super(Model, self).__init__()

        self.f = []
        for name, module in resnet50().named_children():
            if name == 'conv1':
                module = nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1, bias=False)
            if not isinstance(module, nn.Linear) and not isinstance(module, nn.MaxPool2d):
                self.f.append(module)
        # encoder
        self.f = nn.Sequential(*self.f)
        # projection head
        self.g = nn.Sequential(nn.Linear(2048, 512, bias=False), nn.BatchNorm1d(512),
                               nn.ReLU(inplace=True), nn.Linear(5