> ML_ALGORITHM // CONTRASTIVE-REPRESENTATION-LEARNING-SIMCLR_v1.0
Karşıtsal Temsil Öğrenimi (SimCLR)
Aynı görüntünün farklı şekilde artırılmış görünümleri arasındaki uyumu InfoNCE kaybı aracılığıyla en üst düzeye çıkaran karşıtsal denetimsiz görsel temsil çerçevesi.
Contrastive Representation Learningself-supervisedblack-boxlarge (>100k)
Tüm Algoritmalara DönHesaplama Karmaşıklığı
Eğitim (Training):O(epochs * batch_size^2 * forward_pass)
Çıkarım (Inference):O(forward_pass)
Donanım Karakteristiği
CPU Uygunluğu:Hayır
GPU Zorunluluğu:Evet
Bellek Ayak İzi:high
Açıklanabilirlik ve Veri
Açıklanabilirlik Düzeyi:black-box
Eğitim Verisi İhtiyacı:large (>100k)
Açıklanabilirlik Değerlendirmesi
Kosinüs mesafesinin anlamsal değişmez benzerliği yansıttığı bir metrik gömme uzayı öğrenir.
Uygun Görevler ve Desteklenen Modaliteler
Uygun Görevler:
feature extractionimage classification
Desteklenen Modaliteler:
image
Uygulayıcı Kütüphaneler
Temel Literatür & Yayınlar
A Simple Framework for Contrastive Learning of Visual Representations (SimCLR)Ting Chen, Simon Kornblith (2020) · International Conference on Machine Learning (ICML)
Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler
- Küçük parti boyutlarıyla (<1024) eğitim, yetersiz negatif örnekler nedeniyle ciddi performans düşüşüne yol açar
- Rastgele renk titremesi ihmal edilirse renk histogramı kestirmeleri öğrenilir