对比学习是自监督训练中效果最显著的策略之一，核心是让模型区分语义相似（同图不同增强）与不相似（异图）的样本对；需保证正样本差异性、负样本质量，常用nt-xent损失，依赖合适的数据增强、温度系数τ、大batch size及非线性投影头。
对比学习是自监督训练中效果最显著的策略之一，核心思想是让模型学会区分“相似”与“不相似”的样本对，无需人工标注标签。
什么是对比学习中的正负样本对
正样本对通常来自同一张图像的两种不同数据增强视图（如随机裁剪+颜色抖动 vs 高斯模糊+旋转），模型应认为它们语义一致；负样本对则来自不同图像，模型应拉远它们在特征空间的距离。关键在于：正样本必须足够“不同”，否则模型容易学成恒等映射；负样本数量要充足，但并非越多越好——太多噪声负例反而干扰收敛。
常用损失函数：NT-Xent 是主流选择
NT-Xent（Normalized Temperature-scaled Cross Entropy）是SimCLR等框架默认采用的损失。它对每个正样本对计算归一化相似度，并引入温度系数 τ 控制分布锐度。τ 一般设为 0.1 或 0.2，太小会导致梯度稀疏，太大则削弱对比强度。实现时注意：batch 内所有其他样本都作为当前样本的负例，所以 batch size 建议 ≥ 256，显存允许下越大越稳。
数据增强组合决定模型学什么
增强策略不是越强越好，而是要保留语义一致性。推荐组合包括：
• 随机裁剪并缩放到原尺寸（保留主体结构）
• 颜色失真（亮度、对比度、饱和度、色调的小幅扰动）
• 高斯模糊（kernel size ≤ 23，sigma ≤ 1.5）
• 水平翻转（对称性合理的图像适用）
避免使用会破坏语义的增强，如垂直翻转（文字/人脸/道路场景）、大幅旋转（>30°）、CutOut（可能抹掉关键区域）。
投影头（Projection Head）不能省略
直接用编码器输出做对比会限制表达能力。标准做法是在 encoder 后加一个两层 MLP（如 2048→2048→128），最后一层输出作为对比特征。训练完成后，丢弃该 MLP，只用 encoder 提取特征用于下游任务。注意：MLP 不参与冻结，全程参与反向传播；bias 项建议保留，BatchNorm 可加可不加，但需保持训练/推理一致。
立即学习“Python免费学习笔记（深入）”；
基本上就这些。对比学习不复杂但容易忽略细节，调好增强、温度、batch size 和投影结构，就能稳定训出可用的自监督表征。
