对比学习损失—InfoNCE理论理解

InfoNCE loss

最近在看对比学习的东西，记录点基础的东西

「对比学习」 属于无监督学习的一种，给一堆数据，没有标签，自己学习出一种特征表示。

InfoNCE 这个损失是来自于论文：Momentum Contrast for Unsupervised Visual Representation Learning.

MoCo提出，我们可以把对比学习看成是一个字典查询的任务，即训练一个编码器从而去做字典查询的任务。假设已经有一个编码好的query $q$（一个特征），以及一系列编码好的样本$k_0,k_1,k_2,...$，那么$k_0,k_1,k_2,...$可以看作是字典里的key。假设字典里只有一个key $k_{+}$（称为 positive）是跟 $q$ 匹配的，它们就互为正样本对，其余的key为 $q$ 的负样本。一旦定义好了正负样本对，就需要一个对比学习的损失函数来指导模型进行学习。

这个损失函数显然要满足要求：

• 当$q$ 和唯一的正样本$k_{+}$相似，并且和其他所有负样本key都不相似的时候，这个loss的值应该比较低。
• 当$q$ 和$k_{+}$ 不相似，或者和其他负样本的key相似了，那么loss就应该大，从而惩罚模型。

（嗯，合情合理，符合逻辑）

InfoNCE loss公式如下：$$L_q=-log\frac{exp(q\cdot k_{+}/\tau )}{{\sum }_{i=0}^{k}exp(q\cdot k_i/\tau )}$$Info NCE loss其实是NCE的一个简单变体，它认为如果只把问题看作是一个二分类，只有数据样本和噪声样本的话，可能对模型学习不友好，因为很多噪声样本可能本就不是一个类，因此还是把它看成一个多分类问题比较合理（但这里的多分类$k$ 指代的是负采样之后负样本的数量）。于是就有了InfoNCE loss

先看一下softmax公式：$$\hat{y}=softmax(z)=\frac{exp(z)}{{\sum }_{i=0}^{k}exp(z_i)}$$而交叉熵损失函数为：$$L(\hat{y})=-\sum _{i=0}^k{y}_{i}log({\hat{y}}_i)$$仔细观察上面的交叉熵的计算公式可以知道，因为$y_i$的元素不是0就是1，而且又是乘法，所以很自然地我们如果知道1所对应的index，那么就不用做其他无意义的运算了。

在监督学习下，ground truth是一个one-hot向量，softmax的$\hat{y}$结果取$-log$，再与ground truth相乘，即得到如下交叉熵损失：$$-log\frac{exp(z)}{{\sum }_{i=0}^{k}exp(z_i)}$$

上式中，$q\cdot k$ 是模型出来的logits，相当于softmax公式中的$z$，$\tau$是一个温度超参，是个标量，假设我们忽略，那么infoNCE loss其实就是cross entropy loss。唯一的区别是，在cross entropy loss里，$k$ 指代的是数据集里类别的数量，而在对比学习InfoNCE loss里，这个$k$ 指的是负样本的数量。上式分母中的$\sum$ 是在1个正样本和$k$个负样本上做的，从0到k，所以共 $k+1$ 个样本，也就是字典里所有的key。MoCo里提到，InfoNCE loss其实就是一个cross entropy loss，做的是一个k+1类的分类任务，目的就是想把这个$q$ 图片分到$k_{+}$这个类。

温度系数$\tau$

再来说一下这个温度系数$\tau$，虽然只是一个超参数，但它的设置是非常讲究的，直接影响了模型的效果。

上式Info NCE loss中的相当于是logits，温度系数可以用来控制logits的分布形状。对于既定的logits分布的形状，当$\tau$值变大，则$1/\tau$就变小，则 $q\cdot k/\tau$ 会使得原来logits分布里的数值都变小，且经过指数运算之后，就变得更小了，导致原来的logits分布变得更平滑。相反，如果$\tau$取得值小，就$1/\tau$ 变大，原来的logits分布里的数值就相应的变大，经过指数运算之后，就变得更大，使得这个分布变得更集中，更加的peak。
如果温度系数设的越大，logits分布变得越平滑，那么对比损失会对所有的负样本一视同仁，导致模型学习没有轻重。如果温度系数设的过小，则模型会越关注特别困难的负样本，但其实那些负样本很可能是潜在的正样本，这样会导致模型很难收敛或者泛化能力差。

总之，温度系数的作用就是控制模型对负样本的区分度。