 Shaun ZhouandClaude Opus 5
|
7d5b6ec423
|
docs(readme): 补全 SimCLR 训练与复用权重聚类的完整流程
- 拆成三步：训练+聚类一条命令（含产出目录树、45 分钟预期、nohup 后台跑法）、
用 simclr.checkpoint 复用权重重新聚类（约 1 分钟，含 k=2 与 --sweep-k）、
以及把 --set 固化进 yaml 的写法
- 提醒复用权重时要换 --work-dir，否则会覆盖上次的聚类产出
- 修复三条 uv run 命令的续行反斜杠（此前被折叠成单行）
- 目录表 utils/ 的描述由"GPU 守卫"改为"设备解析（cuda/mps/cpu）"
- profiler 小节补充三后端差异并链到"计算后端"
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
|
2026-09-03 09:10:36 +08:00 |
|
|
Shaun ZhouandClaude Opus 5
|
938d62ea53
|
docs: SimCLR 域内自监督的实测对比与多后端说明
- 新增 §10.5：SimCLR vs ImageNet 预训练在 14,579 张上的同设置对比。
只训 1 个 epoch 的域内特征在 k=4 上即追平（轮廓 0.334 vs 0.325），
在 k=2 上大幅胜出（轮廓 0.469、稳定性 0.991）——目视确认该二分正是
"有明显缺陷 / 弱纹理近空白"，可直接作为流水线的第一级过滤
- 复杂度表补 MPS 实测：特征提取 84s(CPU) -> 51s(MPS)，SimCLR 约 65s/epoch
- README 增加"计算后端"小节（三后端的 AMP 默认值、显存统计与限制）
- 流程图与对照表同步去掉已移除的 GPU 守卫
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
|
2026-09-02 21:43:35 +08:00 |
|
|
Shaun ZhouandClaude Opus 5
|
4fc0fa5353
|
docs: 无监督聚类的数学说明、mermaid 图与 README
- docs/unsupervised-clustering.md: 逐图标准化对仿射光照群的不变性证明、
多 stage 特征的取舍、PCA 白化失效的谱分析、KMeans 收敛性与 kmeans++ 近似比、
轮廓系数与 NMI 稳定性的定义、NT-Xent 与 InfoNCE 下界，附全部消融数据与代码对照表
- figures/: 四张 mermaid 图（流水线、KMeans 控制流、SimCLR、主成分谱），
含 .mmd 源、.md 预览与渲染好的 .png
- README: 数据准备、训练评估、多类/单类、SwanLab、Profiler、聚类与自监督的运行说明
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
|
2026-09-02 17:55:48 +08:00 |
|
 xzhou
|
c0e7c23aef
|
Initial commit
|
2026-09-01 16:48:33 +08:00 |
|