Műszaki ÚTMUTATÓ

InfoNCE és SimCLR célkitűzések

Az InfoNCE az a kontrasztvesztés, amely arra tanítja a modellt, hogy a beágyazott térben összevonja az egyező párokat, és széttolja a nem illeszkedő párokat.

Hallgassa meg ezt az útmutatótAI-narrált · ~2 min

Ezen az oldalon2 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. Az InfoNCE és a SimCLR célkitűzéseinek jövője
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

A SimCLR egy mérföldkőnek számító keretrendszer, amely ezt a veszteséget használta arra, hogy hatékony képreprezentációkat tanuljon meg címkézetlen adatokból, versenyezve a felügyelt előképzéssel.

Mély merülés

Az InfoNCE (Kölcsönös információk zajkontrasztív becslése) úgy képezi ki a kódolót, hogy a lekérdezésnek és valódi pozitívjának magasabb hasonlósági pontszáma legyen, mint a lekérdezésnek, és sok negatívuma legyen. Ez lényegében egy softmax keresztentrópia a hasonlósági pontszámok felett: egy horgony esetében a pozitívnak kell győznie a negatívokkal szemben. A SimCLR (2020) ezt a képekre operacionalizálta: készítsen egy képet, alkalmazzon két véletlenszerű kiegészítést pozitív pár létrehozásához, mindkettőt egy megosztott kódolón és egy vetítőfejen futtassa, és használja a normalizált hőmérséklet-skálás keresztentrópiát (NT-Xent, egy InfoNCE-változat), így a két kibővített nézet vonzza, míg a köteg összes többi képe negatívként működik. A SimCLR kimutatta, hogy az erős adatkiegészítés, a nemlineáris vetítőfej, a nagy tételméretek és a beállított hőmérséklet együttesen lehetővé teszi, hogy az önfelügyelt modellek illeszkedjenek az ImageNet felügyelt modelljeihez – az előképzés során címkék nélkül.

Valós megvalósítás

A SimCLR előtanítja a képkódolót címkézetlen fényképeken, majd finomhangol egy kis címkés készleten az osztályozáshoz.

CLIP egy InfoNCE objektív használatával, hogy a képeket a feliratukkal illessze, lehetővé téve a zéró felvételes képosztályozást.

Vizuális keresés/visszakeresés építése, ahol a hasonló képek szorosan egymás mellett helyezkednek el a tanult beágyazási térben.

Önfelügyelt előképzés orvosi vagy műholdképek készítéséhez, ahol kevés a címkék, de rengeteg a nyers adat.

Az InfoNCE és a SimCLR célkitűzéseinek jövője

A kontrasztos célkitűzések messze túlmutatnak a SimCLR-en: a CLIP az InfoNCE segítségével igazítja a képeket a szöveghez, és ugyanaz a veszteség irányítja az audio-, videó- ​​és visszakeresési modelleket. A kutatás most csökkenti a nagy tételektől és sok negatívtól való függőséget a memóriabankon (MoCo) keresztül, vagy teljesen eltávolítja az explicit negatívokat (BYOL, SimSiam, DINO). A kontrasztív, desztillációs és maszkos-modellezés előképzésének folyamatos keverésére számíthat, a multimodális igazítással (szöveg, kép, hang) az alapmodellek domináns határvonalaként.

A gyakorlatba ültetés

Miért számít

  • Költség és költségvetés. Az építészeti döntések évekig növelik a teljesítményt és a működési költségeket.
  • Tisztább döntések. A technikai oktatás segít a csapatoknak a megfelelő verem kiválasztásában, nem csak a legújabb készletben.
  • Minőségellenőrzés. A jobb mérnöki döntések csökkentik a termelés megbízhatósági incidenseit.

Vigyázz

  • Egy benchmark optimalizálása elrejtheti a rendszer általános hiányosságait.
  • Az infrastrukturális és karbantartási költségeket gyakran alábecsülik.
  • A biztonsági és megfigyelhetőségi hiányosságok a rendszerek bonyolultabbá válásával nőhetnek.

Következő lépések

  1. Határozza meg a késleltetési, minőségi és költségcélokat a megvalósítás előtt.
  2. Benchmark reális terhelési és adatviszonyok mellett.
  3. Műszerfigyelés a hibák, az eltolódás és a felhasználói hatások szempontjából.
  4. A méretezés előtt készítse elő a visszagörgetési és az incidensre adott válaszútvonalakat.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.

Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.

Teszteld magad

Take the InfoNCE and SimCLR Objectives quiz

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi az InfoNCE és a SimCLR célkitűzések?

Az InfoNCE az a kontrasztvesztés, amely arra tanítja a modellt, hogy a beágyazott térben összevonja az egyező párokat, és széttolja a nem illeszkedő párokat. A SimCLR egy mérföldkőnek számító keretrendszer, amely ezt a veszteséget használta arra, hogy hatékony képreprezentációkat tanuljon meg címkézetlen adatokból, versenyezve a felügyelt előképzéssel.

Mire ösztönöz egy modellt az InfoNCE célkitűzése?

Az InfoNCE a hasonlóságok feletti softmax, amely a nagy hasonlóságot jutalmazza az igazi pozitívért, és az alacsony hasonlóságot a negatívokért.

SimCLR-ben hogyan jön létre a pozitív pár?

A SimCLR pozitív párt generál ugyanazon forráskép két kibővített nézetéből; más képek negatívként szolgálnak.

Milyen szerepet játszik a τ hőmérséklet az NT-Xent / InfoNCE-ben?

A hasonlóságok elosztása τ-val a softmax előtt szabályozza, hogy a veszteség milyen élesen különbözteti meg a pozitívakat a kemény negatívoktól.

Mi történik a SimCLR vetítőfejével az előképzés után?

A SimCLR úgy találta, hogy a vetítőfej előtti funkciók jobban átadnak, így a fejet az előképzés után eldobják.

Miért támaszkodott a SimCLR a nagy tételméretekre?

A SimCLR-ben a köteg többi képe negatívként működik, így a nagyobb kötegek több negatívot és erősebb tanulást eredményeznek.