改写从InfoNCE中可以看出这个函数的分子部分鼓励正例相似度越高越好即在表示空间内的距离越近越好；而分母部分则鼓励任意负例间的向量相似读越低越好即距离越远越好这样在优化过程中通过InfoNCE损失函数的指引就可以达到相似的示例在投影空间中比较近而不相似的实例在投影空间中距离比较远的目的。
从InfoNCE中可以推断出，该函数的分子部分促进正样本之间的相似度增加，即在表示空间中距离越近越好；而分母部分则促进负样本之间的向量相似度降低，即距离越远越好。因此，通过InfoNCE损失函数的指导，可以在优化过程中实现相似示例在投影空间中更接近，而不相似示例在投影空间中更远的目标。
原文地址: https://www.cveoy.top/t/topic/bDCu 著作权归作者所有。请勿转载和采集!