self-label:通过同时聚类和表示学习进行自我标记。 （ICLR 2020）

通过同时聚类和表示学习进行自我标记 :OK_button: :OK_button: :party_popper: 新模型（2020年8月20日）：添加了标准的SeLa预训练的Torchvision ResNet模型，使加载变得更加轻松+使用更好的MoCov2增强功能（〜69％LP性能）添加了基线，并为ImageNet“无监督聚类”添加了K = 1000的评估 :NEW_button: :check_mark_button: :party_popper: 更新的代码：2020年4月23日：错误修复+ CIFAR代码+ resnet和alexnet的评估。 请查看我们的，以快速进行非技术性概述，并对我们的集群进行交互式可视化。 自我标签 该代码是ICLR 2020文件的正式实施。 抽象的 将聚类和表示学习相结合是深度神经网络无监督学习的最有前途的方法之一。 但是，这样做天真会导致退化的解决方案带来不适的学习问题。 在本文中，我们提出了一种新颖而有原则的学习方法来解决这些问题。 通过最大化标签和输入数据索引之间的信息来获得该方法