发布人：Google 的 Elie Bursztein、Owen Vallis

TensorFlow Similarity 现已支持关键的自监督学习算法，以帮助您在没有大量标记数据时提高模型准确率。

• TensorFlow Similarity
  

  https://blog.tensorflow.org/2021/09/introducing-tensorflow-similarity.html

• 自监督
  

  https://developers.google.cn/machine-learning/glossary#self-supervised-learning

基本自监督训练

通常在训练新的机器学习分类器时，我们拥有的未标记数据（例如照片）比标记示例要多得多。自监督学习技术旨在利用这些未标记的数据来学习有用的数据表征，通过对这些未标记示例进行预训练来提高分类器的准确率。在某些情况下，利用大量未标记数据可以显著提高模型的准确率。

最熟知的自监督训练成功案例可能是转换器模型，例如 BERT，它通过使用大量文本（例如维基百科或网页）进行预训练来学习有意义的语言表征。

自监督学习可以应用于任何类型的数据和各种数据规模。例如，如果您只有几百张标记图像，则可以使用自监督学习，通过在 ImageNet 等中等规模数据集上进行预训练来提高模型的准确率。又如，SimCLR 使用 ImageNet ILSVRC-2012 数据集来训练表征，然后在 CIFAR、Oxford-IIIT Pets、Food-101 等 12 个其他图像数据集上评估迁移学习性能。自监督学习也适用于更大规模的数据集，对数十亿个示例进行预训练同样可以提高准确率，包括文本转换器和视觉转换器。

• 文本转换器
  

  https://arxiv.org/abs/2101.00027

• 视觉转换器
  

  https://arxiv.org/abs/2106.04560v1

自监督学习如何作用于图像的简要描述

自监督学习的核心是通过对比同一示例的两个增强“视图”来提高模型准确率。模型目标是最大化这些视图之间的相似性，以学习对下游任务有用的表征，例如训练监督式分类器。在实践中，在对大量未标记图像进行预训练之后，通过在冻结的预训练表征之上添加一个 softmax 密集层来训练图像分类器，并像往常一样使用少量标记示例进行训练。

hello world 笔记本中 CIFAR10 上的增强视图对示例

TensorFlow Similarity 目前提供了三种学习自监督表征的关键方法：SimCLR、SimSiam、Barlow Twins（都是开箱即用）， 并提供了所有必要的组件来实现其他形式的无监督学习，包括回调、指标和数据采样器等。

• SimSiam
  

  https://arxiv.org/abs/2011.10566

• Barlow Twins
  

  https://arxiv.org/abs/2103.03230

您可以利用自监督学习 hello world 笔记本开始探索如何在 CIFAR10 上将准确率翻倍。

• hello world
  

  https://github.com/tensorflow/similarity/blob/master/examples/unsupervised_hello_world.ipynb

 点击屏末 | 阅读原文 | 访问 TensorFlow 官网