文件名称：lemniscate.pytorch：通过非参数实例区分进行无监督特征学习
文件大小：22KB
文件格式：ZIP
更新时间：2024-02-25 17:58:25
computer-vision deep-learning pytorch imagenet representation-learning
通过非参数实例区分进行无监督特征学习 此回购包含CVPR2018无监督学习论文的pytorch实施。 更新了预训练模型 提供了具有存储体实现且nce-k = 65536否定值的更新的实例判别模型。 如在CPC / MoCo中一样，使用Softmax-CE损失而不是原始NCE损失来训练更新的模型。 （线性ImageNet Acc 58.5％） 老歌：ResNet18和ResNet50的原始版本经过训练，带有4096个底片和NCE损失。 每个tar球都包含所有ImageNet训练图像（600 mb）和模型权重（100-200mb）的特征表示。 您也可以通过转发整个ImageNet图像的网络来
【文件预览】：
lemniscate.pytorch-master
----.gitignore(58B)
----README.md(4KB)
----test.py(5KB)
----datasets()
--------folder.py(656B)
--------cifar.py(1KB)
--------mnist.py(960B)
--------__init__.py(218B)
----cifar.py(6KB)
----models()
--------resnet_cifar.py(4KB)
--------resnet.py(7KB)
--------__init__.py(50B)
----main.py(11KB)
----lib()
--------LinearAverage.py(2KB)
--------NCEAverage.py(3KB)
--------utils.py(411B)
--------NCECriterion.py(975B)
--------__init__.py(10B)
--------custom_transforms.py(14KB)
--------alias_multinomial.py(2KB)
--------normalize.py(351B)