# SimCLR 自监督对比学习

同一张图的两个随机增强视图互为正样本，batch 内其余 2B−2 个视图全是负样本。
训练完只保留卷积骨架 f_θ，投影头 g_φ 丢弃。

```mermaid
flowchart TB
    classDef data fill:#D1FAE5,stroke:#10B981,stroke-width:2px,color:#064E3B
    classDef aug fill:#DBEAFE,stroke:#2563EB,stroke-width:2px,color:#1E3A8A
    classDef net fill:#EDE9FE,stroke:#7C3AED,stroke-width:2px,color:#4C1D95
    classDef loss fill:#FFEDD5,stroke:#EA580C,stroke-width:2px,color:#7C2D12
    classDef note fill:#FEF3C7,stroke:#D97706,stroke-width:2px,color:#78350F

    batch["一个 batch：B 张无标注图 { Iᵢ }, i = 1…B"]:::data

    aug["随机增强分布 𝒯：RandomResizedCrop 0.5~1.0 · 水平/垂直翻转 · 高斯模糊<br/>对每张图独立采样两次 t, t′ ~ 𝒯"]:::aug

    v1["视图 1&nbsp;&nbsp; x⁽¹⁾ᵢ = t(Iᵢ)"]:::aug
    v2["视图 2&nbsp;&nbsp; x⁽²⁾ᵢ = t′(Iᵢ)"]:::aug

    bb1["卷积骨架 f_θ"]:::net
    bb2["卷积骨架 f_θ&nbsp;&nbsp;（共享同一份参数）"]:::net

    h1["h⁽¹⁾ᵢ = f_θ(x⁽¹⁾ᵢ) ∈ ℝᴰ"]:::net
    h2["h⁽²⁾ᵢ = f_θ(x⁽²⁾ᵢ) ∈ ℝᴰ"]:::net

    g1["投影头 g_φ<br/>Linear → BN → ReLU → Linear"]:::net
    g2["投影头 g_φ&nbsp;&nbsp;（共享参数）"]:::net

    z1["z⁽¹⁾ᵢ = g_φ(h⁽¹⁾ᵢ) ∈ ℝ¹²⁸"]:::net
    z2["z⁽²⁾ᵢ = g_φ(h⁽²⁾ᵢ) ∈ ℝ¹²⁸"]:::net

    sim["ℓ₂ 归一化后拼成 Z ∈ ℝ²ᴮˣ¹²⁸<br/>相似度矩阵 S = ZZᵀ / τ ∈ ℝ²ᴮˣ²ᴮ，τ = 0.2<br/>对角线置 −∞，排除自己和自己"]:::loss

    nt["NT-Xent 损失<br/>ℒ = − (1/2B) Σₖ log [ exp(S_{k,π(k)}) / Σ_{m≠k} exp(S_{k,m}) ]<br/>π(k)：同一张图的另一个视图"]:::loss

    pos["分子 = 正样本对（1 个）<br/>同图另一视图 π(k)"]:::note
    neg["分母 = 全部 2B−2 个负样本<br/>batch 内其他所有视图"]:::note

    step["反向传播同时更新 θ 与 φ<br/>AdamW + cosine，AMP"]:::loss

    ckpt["训练收敛后只保存骨架<br/>simclr_backbone.pth<br/>投影头 g_φ 丢弃"]:::data

    use["聚类阶段用 h = f_θ(x)，不用 z<br/>投影头会滤掉对比任务用不上、<br/>但下游有用的信息"]:::note

    batch --> aug
    aug --> v1
    aug --> v2
    v1 --> bb1 --> h1 --> g1 --> z1
    v2 --> bb2 --> h2 --> g2 --> z2
    z1 --> sim
    z2 --> sim
    pos -.-> nt
    neg -.-> nt
    sim --> nt --> step --> ckpt --> use
```