01Overall Concept
ไอเดียหลัก — Contrastive learning สร้าง positive pairs จาก augmentations ของตัวอย่างเดียวกัน ใช้ encoder กับ projection head แล้วลด contrastive loss ที่เปรียบเทียบ similarity กับ negatives ใน batch
ลองนึกภาพว่า — เหมือนจำคนเดียวกันแม้เปลี่ยนแสงหรือมุมกล้อง พร้อมแยกออกจากคนอื่น
ตัวอย่างการนำไปใช้ — pretrain ภาพ เสียง ข้อความ และ multimodal representations โดยไม่ต้องมี label
02อธิบายภาษาคนเข้าใจง่ายๆ
Contrastive Learning เริ่มจากคำถามง่าย ๆ ว่า ดึงมุมมองของตัวอย่างเดียวกันให้ใกล้และผลักตัวอย่างอื่นออก วิธีนี้ไม่ได้มองข้อมูลทุกชนิดเหมือนกัน จึงต้องเตรียมข้อมูลให้ตรงกับสิ่งที่อัลกอริทึมใช้คำนวณ
เหมือนจำคนเดียวกันแม้เปลี่ยนแสงหรือมุมกล้อง พร้อมแยกออกจากคนอื่น ภาพเปรียบเทียบนี้ช่วยจำแก่นของวิธี แต่ตอนใช้งานจริงคอมพิวเตอร์ทำงานกับตัวเลขและกฎที่กำหนดไว้อย่างชัดเจน
Contrastive learning สร้าง positive pairs จาก augmentations ของตัวอย่างเดียวกัน ใช้ encoder กับ projection head แล้วลด contrastive loss ที่เปรียบเทียบ similarity กับ negatives ใน batch พารามิเตอร์หลักใน Playground คือ Temperature τ เมื่อเลื่อนค่า ระบบจะคำนวณผลใหม่จากข้อมูลชุดเดิม จึงเปรียบเทียบการเปลี่ยนแปลงได้ตรง ๆ
ข้อมูลตัวอย่างบนหน้าใช้รูปแบบ สอง augmented views ต่อหนึ่งตัวอย่างและ batch ของตัวอย่างอื่น · ตัวอย่างขนาดเล็กที่ทำซ้ำได้ เราแยกสิ่งที่อัลกอริทึมรับเข้าออกจากผลลัพธ์ เพื่อไม่เผลอส่งข้อมูลคำตอบหรือข้อมูลอนาคตเข้าไปตอนฝึก
งานที่เหมาะ เช่น pretrain ภาพ เสียง ข้อความ และ multimodal representations โดยไม่ต้องมี label ก่อนใช้จริงควรกำหนด metric ที่สัมพันธ์กับเป้าหมาย แล้วเปรียบเทียบกับวิธีพื้นฐานที่ง่ายกว่า
ภาพจำ: normalized embeddings และ contrastive loss · Playground อัปเดตเมื่อปรับ Temperature τ พร้อมจำข้อจำกัดสำคัญว่า augmentation กำหนด invariance ที่โมเดลเรียนและ batch/negative sampling มีผลต่อคุณภาพมาก
03How it works
ค่อยๆ ทำไปด้วยกัน ตั้งแต่ข้อมูลแถวแรกจนถึงการตรวจคำตอบ
เตรียมข้อมูลให้ตรงโจทย์
สอง augmented views ต่อหนึ่งตัวอย่างและ batch ของตัวอย่างอื่น ตรวจค่าที่หาย หน่วยของแต่ละคอลัมน์ และแยกข้อมูลประเมินก่อนเรียนรู้พารามิเตอร์จากข้อมูล
ตั้งค่าที่ควบคุมพฤติกรรม
ใช้ temperature เพื่อคุมความคมของ similarity distribution ใน loss และบันทึกค่าเริ่มต้นหรือ random seed เมื่อวิธีมีการสุ่ม เพื่อให้ทำซ้ำและเปรียบเทียบได้
คำนวณแก่นของวิธี
สร้างสองมุมมองด้วย augmentation อิสระ จากนั้น encode และ normalize representations Playground ใช้ข้อมูลสาธิตชุดเดิมทุกครั้งเพื่อให้เห็นผลของ slider โดยไม่ถูกความสุ่มกลบ
สร้างผลลัพธ์ที่นำไปอ่านได้
เพิ่ม similarity ของ positive pair เทียบกับทุกคู่ใน batch ผลที่ได้คือ normalized embeddings และ contrastive loss ตัวเลขหรือกลุ่มที่ได้ยังต้องตีความร่วมกับบริบทของข้อมูล
ตรวจว่าคำตอบใช้ได้จริง
เปรียบเทียบหลายค่าของ temperature ด้วย metric ที่เหมาะ ดูทั้งผลรวมและกรณีที่พลาด แล้วทดสอบกับข้อมูลที่ไม่ใช้ปรับค่า โดยคำนึงถึงข้อจำกัดว่า augmentation กำหนด invariance ที่โมเดลเรียนและ batch/negative sampling มีผลต่อคุณภาพมาก
ข้อมูล พารามิเตอร์ และภาพรวมการคำนวณ
temperaturelearning_ratevalidationข้อมูลที่รับเข้ามา
สอง augmented views ต่อหนึ่งตัวอย่างและ batch ของตัวอย่างอื่น
สอง augmented views ต่อหนึ่งตัวอย่างและ batch ของตัวอย่างอื่น · ตัวอย่างขนาดเล็กที่ทำซ้ำได้พารามิเตอร์ที่ใช้
- temperature
- คุมความคมของ similarity distribution ใน loss
- learning_rate
- ควบคุมขนาดการอัปเดตในแต่ละรอบเมื่อโมเดลเรียนด้วย gradient
- validation
- กำหนดข้อมูลที่กันไว้เลือกค่าและตรวจการใช้งานกับตัวอย่างใหม่
ผลลัพธ์ที่ได้
normalized embeddings และ contrastive loss
normalized embeddings และ contrastive loss · Playground อัปเดตเมื่อปรับ Temperature τคำนวณทีละขั้น
- 01
สร้างสองมุมมองด้วย augmentation อิสระ
- 02
encode และ normalize representations
- 03
เพิ่ม similarity ของ positive pair เทียบกับทุกคู่ใน batch
ควรรู้อีกนิด — augmentation กำหนด invariance ที่โมเดลเรียนและ batch/negative sampling มีผลต่อคุณภาพมาก
04Make it yours
# ติดตั้ง: pip install numpy# ดาวน์โหลด sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์import numpy as npdata = np.genfromtxt("contrastive-learning-sample.csv", delimiter=",", skip_header=1)rng=np.random.default_rng(42); tau=0.2; X=data[:,:2]view1=X+rng.normal(0,.05,X.shape); view2=X+rng.normal(0,.05,X.shape)normalize=lambda z:z/(np.linalg.norm(z,axis=1,keepdims=True)+1e-9)z1,z2=normalize(view1),normalize(view2); logits=z1@z2.T/tauexp=np.exp(logits-logits.max(1,keepdims=True)); prob=exp/exp.sum(1,keepdims=True)loss=-np.mean(np.log(np.diag(prob)+1e-9))print("Contrastive loss:", loss, "Positive similarity:", np.mean(np.sum(z1*z2,axis=1)))โค้ดเปลี่ยนตามค่าที่เลือกใน Playground · แต่ละภาษาใช้ข้อมูลตัวอย่างตามที่ระบุในโค้ด
05Learn by playing
temperature ทำให้ positive pair ต้องเด่นจาก negatives แค่ไหน?
สองมุมมองของตัวอย่างเดียวกันถูกดึงเข้าหากันใน embedding
distribution นุ่มขึ้นและลงโทษ negative ที่คล้ายกันน้อยลง
ดู positive similarity พร้อมการกระจายของตัวอย่างต่างกัน
Playground เป็น implementation เพื่อการเรียนรู้ที่คำนวณในเบราว์เซอร์ ส่วนโค้ด Python ใช้ NumPy จึงอาจให้ค่าต่างกันเล็กน้อยจากรายละเอียดการ optimize และค่าเริ่มต้นของไลบรารี ผลนี้ไม่ใช่ benchmark บนข้อมูลจริง