BYOL-引导自己的潜能：一种自我指导学习的新方法 PyTorch实施的“引导您自己的潜能：一种自我监督学习的新方法”，作者JB Grill等人。 该存储库包括BYOL的实际实现，其中包括： 分布式数据并行培训 视觉数据集基准（CIFAR-10 / STL-10） 支持PyTorch <= 1.5.0 在Google Colab Notebook中打开BYOL 结果 这些是在BYOL学习的（冻结）表示形式上训练的线性分类器的前1位准确性： 方法 批量大小 图片大小 ResNet 投影输出变

byol：在PaddlePaddle中引导您自己的潜能（BYOL）

在Pytorch中引导您自己的潜能（BYOL） 自我监控学习的一种非常实际实现，无需对比学习，也不必指定否定对，就可以达到一种新的技术水平（超越SimCLR）。 该存储库提供了一个模块，可以轻松包装任何基于图像的神经网络（残留网络，鉴别器，策略网络），以立即开始从未标记的图像数据中受益。 更新1：现在有表明批处理规范化是使此技术正常运行的关键 更新2：一篇成功地用组规范+权重标准化替换了批次规范，驳斥了BYOL起作用所需的批次统计信息 现在，让您的组织不必为标签付费：) 安装 $ pip