【文件属性】：
文件名称：SeCo-Sequence-Contrastive-Learning
文件大小：80KB
文件格式：ZIP
更新时间：2021-05-26 19:15:15
Python
顺序对比学习
这是“ SeCo：探索无监督表示学习的序列监督” [AAAI 2021]的实现。 原始论文可以在上找到。
要求
火炬
火炬视觉
线性
训练
此实现仅支持multi-gpu ， DistributedDataParallel训练，该训练更快，更简单； 不支持single-gpu或DataParallel培训。
要对初始化的ResNet-50模型进行无监督的预训练，请将权重下载到pretrain文件夹中，然后运行：
bash main_train.sh
线性分类评估
使用预先训练的模型，要在冻结的/权重上训练监督的线性SVM分类器，请将的python接口放入liblinear文件夹中，然后运行：
bash main_val.sh
引文
如果您发现此代码对您的研究有用，请引用我们的论文：
@inproceedings{yao2021seco,
title={SeC
【文件预览】：
SeCo-Sequence-Contrastive-Learning-main
----main_val.sh(905B)
----dataset()
--------dataset_builder.py(196B)
--------__init__.py(108B)
--------dataset_kinetics_v2.py(7KB)
----main_train.sh(481B)
----LICENSE(1KB)
----train_inter_intra_order.py(7KB)
----eval_svm_feature_perf.py(4KB)
----seco()
--------resnet_mlp.py(14KB)
--------Contrast.py(2KB)
--------util.py(9KB)
--------lr_scheduler.py(3KB)
--------logger.py(3KB)
----README.md(1KB)
----eval_svm_feature_extract.py(4KB)
----liblinear()
--------liblinear.so.3(111KB)
--------liblinear.py(14KB)
--------commonutil.py(5KB)
--------liblinearutil.py(10KB)