文件名称：contrastive-learning:对比学习方法
文件大小：27KB
文件格式：ZIP
更新时间：2024-03-29 21:14:55
pytorch nvidia-dali pytorch-lightning simclr contrastive-learning
对比学习方法 支持更多内容的对比学习方法的第三方pytorch实现（请参阅“可用内容”部分）。 有什么可用的？ 使用SimCLR进行对比学习预训练 通过停止梯度进行在线线性评估 Pytorch闪电登录和默认收益（多GPU训练，混合精度等） 在GPU装置上收集负片以模拟更大的批次大小（尽管梯度不会在GPU上流动） 使用加快数据加载速度（以使用更多GPU内存为代价） SimCLR多分辨率农作物 SimCLR + 预训练后线性评估（通常得出1-1.5％的准确度点） 工作于： 结果 模型 方法 数据集 时代 批 温度 多作 大理 监督下 在线线性评估 预训练后线性评估 Resnet18 SimCLR Imagenet-100 100 256 0.2 70.74 71.02 Resnet18 SimCLR Imagenet-100 100 256 0.2 :check_mark_button:
【文件预览】：
contrastive-learning-main
----utils()
--------barlow_twins_loss.py(421B)
--------classification_dataloader.py(5KB)
--------epoch_checkpointer.py(2KB)
--------__init__.py(0B)
--------metrics.py(816B)
--------contrastive_dataloader.py(11KB)
--------gather_layer.py(898B)
--------info_nce.py(2KB)
--------dali_dataloader.py(8KB)
----models()
--------simclr.py(5KB)
--------base.py(4KB)
--------__init__.py(0B)
--------linear.py(3KB)
--------barlow_twins.py(3KB)
--------resnet.py(9KB)
--------dali.py(6KB)
----requirements.txt(144B)
----main_contrastive.py(6KB)
----LICENSE(1KB)
----main_linear.py(5KB)
----README.md(3KB)
----bash_files()
--------run_linear.sh(511B)
--------run_contrastive.sh(2KB)
--------run_barlow.sh(473B)
----.gitignore(2KB)