Contrastive-Clustering
Contrastive-Clustering copied to clipboard
Yunfan-Li
Code for the paper "Contrastive Clustering" (AAAI 2021)
你好！请问cifar10和cifar100这两个数据集有.mat形式的数据集吗？请问代码中的cifar10和cifar100数据集可以用全连接网络跑吗？
你好，非常感谢你对这项工作的开源，我在尝试这个项目的时候发现效果不尽人意，还请你多多指点： 我用自己的数据集（眼底彩照四个分类）进行实验，在3090上进行了1500轮的训练，训练损失从一开始的7.55降到5.62 然后 loss_instance从6.2降到4.2。 loss_cluster从1.98降到1.19 最终在验证集上评估的性能指标如下 NMI = 0.4193 ARI = 0.3484 F = 0.5242 ACC = 0.5338
您好！没别的意思，with the respect， 只是我看到您论文里的实验部分的结果似乎比较一般，尤其是对一些类比较多的数据集。比如在tiny-imagenet，acc只能达到0.14，而据我所知meta在2018年搞出的deepcluster在imagenet已经可以做到0.35以上的acc了。所以就想问一下您这套深度聚类的方法优势究竟是什么呢？ P.S.:我算是个小白，只是单纯的有这个疑问，没有讽刺或者其它不敬的意思，如有冒犯请您海涵！如果我对您的工作的理解上有什么问题，还请您及时指出。
Hello, I hope this issue is not too basic, but is there a posibility to run th the pretrained model right away, and if so how could i do that?...
CC聚类可视化
Yunfan您好： 我在使用CC训练customized dataset后对表征聚类结果进行可视化时，发现随着epoch增大聚类结果在3D空间中呈现出很多线条型结构，请问您觉得可能是什么原因导致的呢？
您好！我尝试使用您的CC聚类方法去替换传统deepcluster中K-means，我主体上使用的是您的代码，只是在cluster.py中去增加了一些部分，增加的部分是使用deepcluster的方式去训练。同时我使用了Market数据集，我之前已经在这个Market数据集上以CC的算法对模型进行预训练了（1000epoch）,代码如下： P.S.:被#框起来的部分是我新加进去的。 但是这段代码并不work。loss并不下降，并且ACC甚至会降低。 我只是一个研一的新生，代码能力有限，实在是不明白问题出在了那里，请您指点一二。 ```markdown ```python import os import argparse import torch import torchvision import numpy as np from utils import yaml_config_hook from modules import resnet, network, transform from evaluation...
