上传者: 42120283
|
上传时间: 2021-10-10 09:42:30
|
文件大小: 1.44MB
|
文件类型: -
SupContrast:有监督的对比学习本文档以CIFAR为例说明了PyTorch中以下论文的参考实现:(1)有监督的对比学习。
论文(2)一个简单的Fr SupContrast:有监督的对比学习本文档以CIFAR为例说明了PyTorch中以下论文的参考实现:(1)有监督的对比学习。
论文(2)视觉表示对比学习的简单框架。
纸张损失功能loss.py中的损失函数SupConLoss以要素(L2标准化)和标签为输入,并返回损失。
如果标签为None或未传递给它,则它会退化为SimCLR。
用法