Semi-Supervised Contrastive Learning with SimCLR

Semi-Supervised Contrastive Learning with SimCLR

在 Gradio 页面里运行 Keras 团队用 SimCLR 对比学习、只用少量标签训练的图像分类器，附带示例图片，适合机器学习学习者和研究人员。

由 keras-io 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Gradio 应用运行一个用半监督对比学习构建的图像分类器，用的是 SimCLR 方法。记录里列出了一个模型 semi-supervised-classification-simclr，来自 keras-io 组织。examples 文件夹里有示例图片。

适合谁：它适合想试用只靠部分标注数据训练的模型的机器学习学习者和研究人员，也适合想看围绕 Keras 模型的小型 Gradio 演示的开发者。记录没有列出类别或数据集。

行业 | 使用者 | 使用方式 | 例子
研究 | 视觉研究人员 | 试用只靠少量标签训练的模型 | 运行一张示例图，读一读预测
教育 | 机器学习的学生 | 看半监督训练能做出什么 | 比较几张示例的预测
软件 | Python 开发者 | 阅读围绕 Keras 模型的小型 Gradio 演示 | 打开 app.py 和 requirements.txt

如果你需要类别和准确率都有说明的模型，可以跳过它。

用在哪里：

• 网页浏览器，在 Hugging Face 上的 Space 页面里
• 装有 Python 的 Windows、macOS 或 Linux，用下载的副本运行

用例 | 适合谁 | 得到什么
给示例图片分类 | 学习者 | 模型预测的标签
试用自带的示例 | 任何人 | 快速了解模型的表现
作为基础复用 | 开发者 | 一个围绕 Keras 模型的小型 Gradio 应用

如何设置：

• 如果用在线 Space，什么都不用装
• 只有运行副本时才需要在电脑上装 Python
• requirements.txt 里列出的依赖包

1. 在浏览器里打开 Space 页面，无需安装就能使用。
2. 想运行副本，先安装 Hugging Face Hub 包，再下载这个 Space。
3. 进入新文件夹，然后安装 Gradio 和清单里的依赖。
4. 用 Python 启动应用。

pip install -U huggingface_hub
hf download keras-io/semi-supervised-classification --repo-type space --local-dir semi-supervised-classification
cd semi-supervised-classification
pip install gradio
pip install -r requirements.txt
python app.py

如何使用：在线使用时，打开 Space，用页面上的控件操作。在自己的电脑上，则在 Space 文件夹里运行主文件，再使用它提供的页面。示例图片是最快的试用办法。

python app.py

示例：你打开 Space，选一张示例图片。应用会返回模型对它预测的标签。记录没有描述输出，请看页面。

新手与专家：手工给图片打标签成本很高。半监督训练把一小批带标签的图片和大量不带标签的图片一起使用。先打开 Space，运行一张示例图片。

如果你熟悉这个领域，SimCLR 训练编码器的办法是把同一张图的两个改动版本拉近，把不同图片的版本推开，然后用很少的标签训练一个分类器。记录没有给出数据集、标签数量或准确率数据。

你选一张图片或上传一张
Gradio 页面把它交给 app.py
训练好的编码器和分类器处理它
页面显示预测的标签

注意事项：

• License: Apache 2，Space 上就是这样标注的
• Cost to run: 未提及
• Data it reaches: 你给它的图片，以及它所列的模型
• Not for: 记录没有列出排除项，也没有给出数据集或准确率数据

Hugging Face 上的数据（2026年11月13日）

• 点赞：1
• 构建方式：gradio
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/keras-io/semi-supervised-classification
• 文件：https://huggingface.co/spaces/keras-io/semi-supervised-classification/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。