#129 · 主分类： 深度学习框架
pytorch-metric-learning
computer-vision
contrastive-learning
deep-learning
deep-metric-learning
embeddings
image-retrieval
machine-learning
metric-learning
pytorch
self-supervised-learning
在您的应用中使用深度度量学习的最简单方法。模块化、灵活且可扩展。用PyTorch编写。
项目最后更新：08/17/25
GitHub Stars
6.3K
Forks数量
658
贡献者数量
45
许可证
MIT
收录理由
人脸验证、商品识别、行人重识别和图像检索这类任务，本质上都是要教会模型区分相似样本的细微差别。这个库把这些场景里常用的标准工具都备齐了，而且不会强迫你接受一套全新的框架。三元组损失、基于样本对的损失、困难样本挖掘器、距离函数和归约器都被设计成模块化组件，可以直接插进你现有的 PyTorch训练循环里。你可以先用一个简单的 TripletMarginLoss 起步，等需求变了，再逐个换成余弦距离、阈值归约器或者正则化器。自监督学习和用于 MoCo 风格训练的跨批次内存队列也有覆盖，仓库里还提供了训练器、测试器以及准确率计算工具，让整个流程完整可用。对于已经在 PyTorch 里工作的团队，这是一个很实际的方案，能直接构建 embedding 模型，省去自己从头实现三元组挖掘的功夫。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。