CLIP，直观而全面地解释
剪辑：直观而全面解读 (Jiǎn jí Zhí guān ér quán miàn jiě dú)
为通用机器学习任务创建强大的图像和语言表示
在本文中，您将了解到“对比语言-图像预训练”（CLIP）的相关内容，这是一种创建视觉和语言表示的策略，以至于它们能够生成高度特定且高性能的分类器，而无需任何训练数据。我们将逐步介绍理论，讨论CLIP与传统方法的区别，然后逐步解析其架构。
谁会受益于这篇文章？任何对计算机视觉、自然语言处理（NLP）或多模态建模感兴趣的人。
本文的难度级别如何？对初级数据科学家来说，本文应该很容易理解，但如果您没有数据科学经验，可能会很难跟上。当我们开始讨论损失函数时，难度会有所增加。
先决条件：需要对计算机视觉和自然语言处理有一些基础知识。
典型的图像分类器
在训练一个模型来检测图像是猫还是狗时，一种常见的方法是向模型提供猫和狗的图像，然后根据错误逐步调整模型，直到它学会区分这两者。
这种传统的监督学习方法对许多用例来说是可以接受的，并且已被证明在各种任务中表现良好。然而，这种策略也会导致高度专业化的模型，只能在其初始训练的范围内表现良好。
为了解决过度专业化的问题，CLIP以根本不同的方式进行分类；通过试图学习……
