标签: #제로샷
用亲手运行、亲手测量的数据来写 Kubernetes、DevOps 与 MLOps · 1 篇
对比学习与 CLIP：通过图文配对，学会识别从未见过的事物
本文解释了在没有任何人工分类标签的情况下，仅凭互联网上的 4 亿对图文训练出来的 CLIP 如何解决从未见过的分类问题。通过图表和公式拆解了批次内 N×N 相似度矩阵的 InfoNCE 损失、温度参数 τ 的角色以及如何通过提示词构建分类器，并在 numpy 中直接计算损失后，在包含 20 个概念的玩具世界中尝试识别“从未见过的概念”。同时通过论文数据确认了 SigLIP 的 Sigmoid 损失以及 CLIP 的局限性（计数、精细区分
2026-10-17 · 14 分钟阅读 #비전 모델#CLIP#대조 학습#InfoNCE#SigLIP