SimCLR-in-TensorFlow-2: 实现SimCLR（至少）(https)

简介：
本项目在TensorFlow 2中实现了SimCLR，一种用于自监督学习的强大框架。它通过对比学习提升未标记数据的表现力，适用于多种视觉任务。 在TensorFlow 2中实现SimCLR（Chen等人）。使用tf.keras和TensorFlow的核心API的许多功能，并提供报告。我没有从头开始编写所有代码。 这份研究论文非常易于理解，因此我决定亲自尝试并提出一个最小化的实现。我的工作参考了一些其他作品： - 数据扩充政策来自一份特定的作品。 - 损失函数同样引用了另一份文档中的内容。 - TSNE可视化效果的展示也借鉴了一篇文献的方法。 除了上述文章外，我还研究了几篇文章来更好地理解SimCLR的工作原理，特别是其中一篇对“NT-XEnt损失”解释得非常清晰。ML-GDE项目为我提供了运行实验所需的GCP积分，并允许我在需要时将中间结果存储在GCS存储桶中。所有的笔记本都可以直接在Colab上执行。 使用的数据集是ImageNet的一个子集。