轻轻地是一个用于自我监督学习的计算机视觉框架。 在 ,我们是热情的工程师,他们希望使深度学习更加有效。 我们希望帮助普及使用自我监督的方法来理解和过滤原始图像数据。 我们的解决方案可以在任何数据注释步骤之前应用,并且可以将学习到的表示形式用于分析和可视化数据集以及选择一组核心样本。 讲解 是否想跳到教程并轻松看待实际情况? 基准测试 当前实施的模型及其在cifar10上的准确性。 所有模型均已使用kNN进行了评估。 我们报告了各个时期的最大测试精度以及最大的GPU内存消耗。 该基准测试中的所有模型都使用相同的增强功能以​​及相同的ResNet-18主干。 训练精度设置为FP32,并且SGD与cosineLR一起用作优化器。 cifar10上的一个纪元需要一个V100 GPU约35秒。 模型 时代 批量大小 测试精度 GPU使用高峰 MoCo 200 128 0.83 2.1 GB