对比学习方法 支持更多内容的对比学习方法的第三方pytorch实现(请参阅“可用内容”部分)。 有什么可用的? 使用SimCLR进行对比学习预训练 通过停止梯度进行在线线性评估 Pytorch闪电登录和默认收益(多GPU训练,混合精度等) 在GPU装置上收集负片以模拟更大的批次大小(尽管梯度不会在GPU上流动) 使用加快数据加载速度(以使用更多GPU内存为代价) SimCLR多分辨率农作物 SimCLR + 预训练后线性评估(通常得出1-1.5%的准确度点) 工作于: 结果 模型 方法 数据集 时代 批 温度 多作 大理 监督下 在线线性评估 预训练后线性评估 Resnet18 SimCLR Imagenet-100 100 256 0.2 70.74 71.02 Resnet18 SimCLR Imagenet-100 100 256 0.2 :check_mark_button: