文件名称：SimCLR：SimCLR的PyTorch实现：视觉表示形式对比学习的简单框架
文件大小：18KB
文件格式：ZIP
更新时间：2024-02-24 00:18:35
machine-learning deep-learning pytorch representation-learning unsupervised-learning
PyTorch SimCLR：视觉表示形式对比学习的简单框架 带有完整文档的博客文章： 另请参见。 安装 $ conda env create --name simclr --file env.yml $ conda activate simclr $ python run.py 配置文件 在运行SimCLR之前，请确保选择正确的运行配置。 您可以通过将关键字参数传递给run.py文件来更改正在运行的配置。 $ python run . py - data . / datasets - - dataset - name stl10 - - log - every - n - steps 100 - - epochs 100 如果要在CPU上运行它（出于调试目的），请使用--disable-cuda选项。 要进行16位精度的GPU培训，请确保安装并使用--fp16_precision标志。 功能评估 使用线性模型协议进行特征评估。 首先，我们在STL10 unsupervised集中使用SimCLR学习了功能。 然后，我们在SimCLR的冻结特征之上训练线性分类器。 根据从STL
【文件预览】：
SimCLR-master
----data_aug()
--------gaussian_blur.py(1KB)
--------contrastive_learning_dataset.py(2KB)
--------view_generator.py(380B)
----env.yml(332B)
----README.md(3KB)
----feature_eval()
--------mini_batch_logistic_regression_evaluator.ipynb(36KB)
----exceptions()
--------exceptions.py(289B)
----utils.py(1KB)
----models()
--------resnet_simclr.py(1KB)
----requirements.txt(3KB)
----LICENSE.txt(1KB)
----simclr.py(5KB)
----run.py(4KB)