目录
2 创新点 (主要是改进损失函数)
1 基本理论
k可以训练自己的数据集
在官方中 他提出了进行训练手写字体的方法
可以采取原始图像进行数据增强的方法,比如crop等,
然后得到了进一步的数据,对进一步的数据输入到一个骨干网络 然后骨干网络,可以提取得到相关的数据特诊
那么很明显的可以对特征进行对比学习
然后当测试的时候,将数据得到的特征,于原始训练集的特征进行点成绩,显然可以得到每一个成绩的欧氏距离,根据欧式距离的大小可以得到数据应该属于哪个类别,下面是主要的流程图
simclr的定义
下图是进行训练了两个步骤得到的结果,
rget= tensor([2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2])
target= tensor([2, 2, 2, 2, 2, 2, 2, 2, 2, 2,