lemniscate.pytorch

收录理由

这是CVPR 2018实例判别论文的官方PyTorch实现，属于自监督学习早期的重要工作。它把每张图片当作独立类别，在完全无标注的情况下训练ResNet生成128维紧凑特征。仓库提供了ImageNet上预训练的ResNet-18和ResNet-50权重，还有一个更新版ResNet-50，将原始NCE损失换成类似MoCo的softmax交叉熵损失，线性评估准确率达到58.5%。训练过程中会同时报告最近邻准确率，能直观判断特征是否学到了有效结构。代码基于官方PyTorch ImageNet示例扩展，改造成其他数据集或网络结构比较方便，但依赖较老的PyTorch 0.4接口。想复现原始结果或继续做实例判别式预训练，这个仓库是很好的起点。