lemniscate.pytorch:通过非参数实例区分进行无监督特征学习 源码

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