SupContrast:PyTorch实施“监督式对比学习”（顺带SimCLR）-源码

SupContrast：监督式对比学习 此库使用CIFAR作为说明性示例，涵盖了PyTorch中以下论文的参考实现： （1）监督式对比学习。（2）视觉表示对比学习的简单框架。 损失函数 损耗函数在losses.py花费features （L2归一化）和labels作为输入，并返回损耗。如果labels为None或未传递给它，则它会退化为SimCLR。 用法： from losses import SupConLoss # define loss with a temperature `temp` criterion = SupConLoss ( temperature = temp ) # features: [bsz, n_views, f_dim] # `n_views` is the number of crops from each image # better be L2 no