文 | Rukawa_Y
編 | 智商掉了一地，Sheryc_王蘇

比 SimCLR 更好用的 Self-Supervised Learning，一起來看看吧！

Self-Supervised Learning作為深度學習中的獨孤九劍，當融匯貫通靈活應用之后，也能打敗聲名在外的武當太極劍。比如在NLP領域中，每當遇到文本分類的問題，BERT + funetuning的套路來應對，但是也正因為如此大家解決問題的思路出現固化。也正是這個原因，當本菜鳥第一次接觸到Self-Supervised Learning這個概念時，就在項目中嘗試應用Self-Supervised的SimCLR方法，但是卻事與愿違，模型的預測效果并沒有顯著地提升，反而出現了一丟丟的下降，等厚著臉皮求助大佬后才明白，SimCLR對于模型效果的提升必須基于大Batch Size才會有效果。

而在近期，由 Yann Lecun 等人發表了一篇題為《Decouple Contrastive Learning》的論文，其中仔細分析了SimCLR和其他自監督學習模型所使用的InfoNCE損失函數，僅僅對InfoNCE的表達式進行了一處修改，就大大緩解了InfoNCE對于大Batch Size的需求問題，并在不同規模的Vision Benchmarks上均取得優于SimCLR的結果。

接下來就讓我們跟隨論文的思路，一起學習Decoupled Contrastive Learning吧。

論文標題
Decoupled Contrastive Learning

論文鏈接
https://arxiv.org/abs/2110.06848

1 對比學習中正負樣本的解耦

作為本文的背景，我們先來介紹一下SimCLR的基本思想，它是對訓練樣本做數據增強（例如對于圖像進行裁剪等），訓練模型讓同一圖片增強后得到的表示相近，并互斥不同圖片增強后的表示。

論文從SimCLR所使用的InfoNCE損失函數開始分析。InfoNCE對于其中一個樣本的增強數據的InfoNCE損失函數如下：

其中所使用的各個變量的意義分別為：

• 為一個Batch中所使用的樣本， 為Batch Size；

• 是樣本增強后的兩個數據；

• 是對于Batch中所有樣本增強后的數據集合；

• 是樣本的增強數據輸入到Encode Layer中所對應的輸出；

• 是歸一化后的表示。

InfoNCE的損失函數分別求對于，和的梯度：（這里作者對梯度進行了一定的變化，變化過程可參照論文附錄的第一部分）

其中需要注意的是損失函數的梯度中均有一個系數，這個系數導致模型訓練的梯度發生了放縮。該系數的具體形式如下：

作者將這個導致SimCLR模型梯度放縮的系數稱為Negative-Positive Coupling (NPC) Multiplier，即NPC乘數。NPC乘數分子和分母上出現的中衡量了正樣本對的相似度，而分母上出現的則衡量了負樣本對的相似度。

顧名思義，對訓練的影響與正負樣本的耦合有關：當負樣本較為分散時，正樣本同樣可能較為分散；反之，當正樣本較為緊湊時，負樣本同樣可能較為緊湊。論文中對于不同情形下的NPC乘數進行了定性分析，總結如下：

• 當訓練使用的正樣本較分散時，負樣本可能同樣比較分散。此時正樣本為Hard Positive，負樣本為Easy Negative。這使得NPC乘數分子分母上的相似度同時減小，得到的小于1的NPC乘數會減小Hard Positive帶來的梯度幅度。

• 當訓練使用的負樣本較緊湊時，正樣本可能同樣比較緊湊。此時正樣本為Easy Positive，負樣本為Hard Negative。這使得NPC乘數分子分母上的相似度同時增大，得到的小于1的NPC乘數會減小Hard Negative帶來的梯度幅度。

• 當Batch Size較小時，分母上對Batch中負樣本相似度的求和會受限于Batch Size，得到更小的NPC乘數，使得梯度幅度進一步被減小。

由此可見，SimCLR對于大Batch Size的需求很可能來自于NPC乘數對于梯度的縮小。Batch Size同NPC乘數分布的具體的關系見下圖：

從圖中可以明顯看出，Batch Size越小，的分布越接近于；Batch Size越大，的分布越接近于。同時作者還給出了的均值和離散系數同Batch Size的關系，見下圖：

可以看出，小的Batch Size使得的均值減小，離散系數增大，從而使得訓練過程中的梯度被大幅縮小。

綜上所述，SimCLR等自監督模型中對于大Batch Size的需求問題一定程度上來自于。論文的作者由此修改了InfoNCE的公式來消除的影響，從而引出了本文的核心：Decoupled Contrastive Learning Loss。

2 Decoupled Contrastive Learning

既然NPC乘數的存在會使得梯度被縮小，那么移除掉NPC乘數不就能解決上面的問題了么？通過將導數中的NPC乘數移除，作者推導出了下面的損失函數。在這個損失函數中，正負樣本的耦合帶來的梯度放縮被消去，作者將該損失稱為Decoupled Contrastive Learning (DCL) Loss，即解耦對比損失函數：

可見，Decoupled Constrive Learning中的損失直接去掉了SimCLR損失函數分母中兩個正樣本對之間的相似度，從而直接計算正樣本對的相似度同所有負樣本對相似度之和的比值。

Decoupled Contrastive Learning中所對應的梯度如下：

我們同樣針對正負樣本對耦合和Batch Size較小的情況，具體分析反向傳播過程中的梯度：因為缺少了NPC這個系數的影響，當出現正負樣本耦合的情況，正負樣本比較分散（Hard Positive + Easy Negative）或者正負樣本比較集中（Easy Positive + Hard Negative）反向傳播過程中梯度幅度就不會減少，同時因為沒有了NPC系數的存在，比較小的Batch Size也就不會使得梯度幅度變得很小。

綜上所述，消去了NPC乘數的DCL損失函數能較SimCLR損失取得更好的效果，后面的實驗結果也對此進行了證明。

同時論文的作者還提出了一種DCL損失的變形，即對DCL損失中衡量正樣本對相似度的一項增加一個權重。作者將其稱為DCLW損失：

上式中，權重使用負von Mises-Fisher權重函數：

且。為參數，在后續實驗中取0.5。這一權重使得在出現Hard Positive時能增大其提供的訓練信號。顯然，是的一個特殊情況。

總結來說，DCL損失僅在SimCLR所采用的損失函數基礎上采取了一些小的改動，使得模型能夠在訓練過程中也不要求大Batch Size，同時對正負樣本對進行解耦。

3 實驗結果

論文作者首先比較在不同的Batch Size下，使用DCL損失和InfoNCE損失的SimCLR在ImageNet、STL10、CIFAR10和CIFAR100數據集上的表現：

可以發現在不同的Batch Size上，DCL損失的效果均優于SimCLR。同時，Batch Size越小，DCL損失提供的性能提升越大，這與先前的理論推導一致。

作者又比較了在Batch Size固定為256，epoch固定為200時的DCL損失和加權重的DCLW損失，結果如下：

可以看出，DCLW損失相較于DCL損失能進一步提升模型效果，甚至在ImageNet-1K上能夠以256的Batch Size超越SimCLR使用8192 Batch Size的結果，66.2%。可見，DCL和DCLW損失能夠通過較小的改動解決SimCLR對于大Batch Size的依賴。

4 文章小結

本篇論文針對自監督學習中的SimCLR方法為何要求較大Batch Size的原因開始分析，提出了一種可以讓自監督學習在較小的Batch Size上取得很好效果的loss函數，大幅降低了自監督學習的計算成本，使得自監督學習可以有更廣泛的應用。

除此之外,本篇論文還分析了SimCLR中使用的loss函數在反向傳播梯度計算中的問題時，提出的一種名為正負樣本耦合（Negative-Positive Coupling） 現象，同時也給予了我們一定的啟發，如果是同SimCLR中所用的InfoNCE形式不相同的loss函數，在計算梯度的時候，是否也會有正負樣本耦合現象，或者說不僅僅有正負樣本耦合的現象，還有例如對于不同正樣本的，在不同負樣本之間的負負樣本耦合的現象等，如果能夠分析出Self-Supervised Learning中不同方法可能存在不同的耦合現象，那么我們是否可以進一步地提升自監督模型的效果，這些都是值得我們去思考和探索的。

后臺回復關鍵詞【入群】

加入賣萌屋NLP/IR/Rec與求職討論群

后臺回復關鍵詞【頂會】

獲取ACL、CIKM等各大頂會論文集！

總結

以上是生活随笔為你收集整理的图灵奖大佬 Lecun 发表对比学习新作，比 SimCLR 更好用！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。