鹤宁

变分推理，是机器学习中一种流行的方式，使用优化的技术估计复杂概率密度。变分推理的工作原理：首先选择一系列概率密度函数，然后采用KL散度作为优化度量找到最接近于概率密度的函数。

Stable Diffusion v2 基础环境承接Stable Diffusion v1,需要更新pytorch版本，使用xformers能有效缓解GPU内存不足的问题。

stable diffusion是一个潜在的文本到图像的扩散模型，能够在给定任何文本输入的情况下生成照片逼真的图像。

TensorRT是nvidia家的一款高性能深度学习推理SDK。此SDK包含深度学习推理优化器和运行环境，可为深度学习推理应用提供低延迟和高吞吐量。在推理过程中，基于TensorRT的应用程序比仅仅使

孪生网络已经成为无监督视觉表征学习的一种常见结构。孪生网络最大化一个图像的两个增广之间的相似性。论文提出了一个简单的孪生网络（SimSiam）在不需要负样本对、大的批次和动量编码的情况下学习表征。

MoCo，SimCLR等对比学习方法都依赖于负样本，BYOL**不需要负样本**也能在ImageNet上取得74.3%的top-1分类准确率。BYOL使用两个神经网络，online网络和targets

SimCLR通过隐藏空间的对比损失最大化相同数据在不同增广下的一致性来学习表达。SimCLR框架有四个主要的组件，分别是：数据增广，encode网络，projection head网络和对比学习函数。

自监督学习仅仅通过观察数据不同部分的相互作用来实现数据的学习表示，降低了对大量带标签数据的需求。在视觉领域，自监督学习包含两个任务，代理任务和下游任务。

作者揭示了一种典型的区分性学习方法能够自动发现语义类别之间的明显相似性，而无需额外指导。也就是说，表面相似性不是从语义注释中获得的，而是从视觉数据本身获得的。