图片来源：Self-Supervised Learning 超详细解读 (二)：SimCLR系列

1. 数据增强

有一批batchsize为N的样本，论文中N=8192，下图以N=2为例；

对一个batch中的每个样本都进行2次随机的数据增强（随机裁剪之后再resize成原来的大小、随机色彩失真、随机高斯模糊3种方式）

对每张图片$x_i$得到2个不同的数据增强结果（$x_i^1和x_i^2$），所以1个Batch 一共有 N*2 个增强样本图片。

2. 获得图片表征

经过resnet网络提取特征+预测头，提取到了最终的visual representation。

3. 正样本和负样本构建

对于一个batch中，由同一张图片数据增强过的两张图片（$x_i^1和x_i^2$）组成一个positive pair，他们互为正样本；
其余任意两两图片之间的组合组成的图片对即为负样本。即N组pair中有一对positive和N-1对negative样本。

4. 计算相似度

使用余弦相似度衡量两两向量之间的相似度，公式如下所示：

5. 计算图片之间相似的概率

使用softmax计算概率：

该计算表达的是$x_i^1$与$x_i^2$最相似的概率，即第一张图片作为参考，计算另外三张图片，哪个最像

分子为$x_i^1$与$x_i^2$的相似性取对数，分母为$x_i^1$与一个batch中另外$2N-1$张图片的相似性求对数的和。故分子为1对的相似性，分母为2N-1对图片的相似性的和

6. 损失函数

我们希望上面的softmax的结果尽量大(同一张图片增强出来的两张图片互为正样本，相似度越大越好)，所以损失函数取了softmax的负对数：

接下来再计算是$x_i^2$与$x_i^1$最相似的概率然后取-log， 即对第一对的计算交换顺序再计算一遍；

最后，计算每个Batch里面的所有Pair（共有N个图片对，2N个交换顺序之后的pair） 的损失之和取平均：

为什么需要大规模的batchsize？

更大的训练批量和训练轮数，可以提供更多的负样本，促进模型收敛。

可以增加负样本的数量，在计算概率的时候，计算公式的分母中就包含了负样本的计算