không biết bạn đã đọc paper SimCLR chưa ạ ? bạn có thể xem qua figure 2 trong paper:

Ở đây $\tilde{\mathbf{x}}_i, \tilde{\mathbf{x}}_j$ chính là cùng 1 ảnh nhưng được áp dụng 2 phép augment khác nhau tạo thành 2 phiên bản gần khác nhau 1 chút nhưng nội dung vẫn giống nhau, sau đó nhiệm vụ của hàm loss là kéo feature của 2 ảnh này trong latent space lại gần nhau và đẩy feature của 2(N-1) ảnh còn lại ra xa nhau, giúp model học được đặc tính của bức ảnh.
Nếu theo cách hiểu của bạn i,j là 2 điểm ngẫu nhiên nằm cạnh nhau, giả sử 2 ảnh 1 là của con chó, 1 là của cái cây thì bạn nghĩ hàm loss sẽ kéo feature 2 ảnh này lại gần kiểu gì trong khi về mặt nội dung và hình ảnh nó đều hoàn toàn khác nhau.

Anh ơi, em có 1 thắc mắc là series này ko có ngôn ngữ Java ạ? Cảm ơn anh vì seri rất hay 😊

Cảm ơn bạn. Mình sẽ cố gắng viết nhiều bài viết về google sheet thật chất lượng để đóng góp cho cộng đồng. Mong bạn tiếp tục ủng hộ🥰

Cái này giống bên trang aithietke

Bài viết của bạn rất hay, mình có thể xin info của bạn để trao đổi thêm không nhỉ ?

hay a anh a, ung ho anh lam them nhieu bai viet ve tinh nang cua google sheet va cac dich vu cua google noi chung vi em thay giup ich duoc cho nhieu users ah ♥️

Mình xin đóng góp : theo mình hiểu là ở hàm Loss CLR : theo mình biết là sau khi augment data => chúng ta có 2N điểm data . i,j đều chọn ngẫu nhiên từ 1->2N để tính loss chứ không phải là theo từng cặp , nếu giải thích theo từng cặp thì công thức sẽ là i và i+ chẳng hạn và giới hạn chạy của k là từ 1->N , Không biết mình hiểu vậy có đúng không , Nếu sai thì chúng ta cùng thảo luận về nó nhá

Cảm ơn pro rất nhiều

làm thế không tái sử dụng được

trong bài viết có nói rồi mà bạn

anh ơi về sau anh làm series ansible đi anh hic K8S học hay nma nó rộng quá khó mà kiếm lab làm vs nó đc

Thanks for sharing