在深度学习领域，对比学习技术的迅猛发展引发了广泛关注，尤其是在图像和文本处理任务中。然而，传统对比损失（Contrastive Loss）在大规模批量训练时常常面临显存瓶颈，这限制了其效果的发挥。最近，达摩院的研究团队提出了Inf-CL（近乎无限批量大小对比损失），这一创新方法不仅有效突破了显存限制，更是将对比学习的效率提升了整整100倍。 Inf-CL的创新之处在于其分块计算策略，这使得在单台A ...