SimCLR

收录理由

SimCLR 这篇工作用简单的对比损失就能在无标签数据上学到不错的视觉特征，这个仓库把核心思路拆得很清楚。它先让编码器在增强后的图像对上训练，之后可以把学到的特征冻结起来，再用线性分类器检验质量，这样能直观地看出表征迁移的效果。代码量不大，所有运行参数都集中在配置文件里，读起来省心，换到自己的数据集上也容易。仓库里还附了一个 Colab 笔记本，把评估流程完整跑了一遍。作者自己的博客文章对架构和损失函数的讲解更深入，想弄明白对比学习到底在优化什么时很有帮助。如果你刚接触自监督视觉，想要一个聚焦、能直接跑起来的参考实现，而不是笨重的框架，从这里入手挺合适。