编辑
2024-10-16
深度学习
00
编辑
2024-10-16
DL论文
00

论文导读总结

这篇论文提出了一种名为SimCLR的简化对比学习框架,用于学习视觉表征。SimCLR简化了现有的对比自监督学习算法,使其无需特定架构或记忆库,并在ImageNet数据集上显著超越了自监督和半监督学习方法的性能。

主要贡献和发现

  1. 数据增强的关键作用:SimCLR通过数据增强来定义对比学习任务。特别是,随机裁剪和颜色失真的组合对于提升表征学习质量至关重要。
  2. 非线性投影头的引入:在表征和对比损失之间加入一个非线性变换,可以显著提高表征质量。
  3. 大批量训练的优势:SimCLR从更大的批量大小和更多的训练步数中获益,远超过传统的监督学习。SimCLR在批量大小为8192的情况下进行训练,从而有效利用了更多的负样本。
编辑
2024-10-16
深度学习
00

三元损失(Triplet Loss)是一种常用于深度学习的损失函数,特别是在计算机视觉领域,用于学习

编辑
2024-10-15
深度学习ban
00

该文章已加密,点击 阅读全文 并输入密码后方可查看。

编辑
2024-10-14
深度学习
00

上次测试了一些模型:

https://www.dong-blog.fun/post/1741

使用别人的API代码,显存占用总是让人很难受,目前Qwen2-VL也没有tensorRT部署方式,所以我要在这个博客直接用transformers 直接部署起服务。