对比学习基本概念
对比学习通过对比数据对的“相似”或“不同”以获取数据的高阶信息。
由同一张原始图片扩增而来的两张新的图片，叫做Positive Pairs。将这两张图片送入深度学习模型中，我们希望深度学习模型学习到这两个图像是相似的。
由不同原始图片扩增而得到的新的图像，成为Negtive Pairs。将Negtive Pairs送入深度学习模型中，我们希望深度学习模型学习到这两个图像是不同的。
对比学习的三个步骤
1.Data augmentation
2.Encoding
3.Loss minimization
两个向量夹角越小，越相似。
代码
返回的两个图像通常是不完全相同的，因为 self.transform 包含随机数据增强操作，每次应用时的结果可能不同。
trainset = cifar10Imbanlance.Cifar10Imbanlance(transform=util.TwoCropTransform(transform_train),imbanlance_rate=args.imbanlance_rate, train=True,file_path=args.root)testset = cifar10Imbanlance.Cifar10Imbanlance(imbanlance_rate=args.imbanlance_rate, train=False, transform=transform_val,file_path=args.root)class TwoCropTransform:"""Create two crops of the same image"""def __init__(self, transform):self.transform = transformdef __call__(self, x):return [self.transform(x), self.transform(x)]
