SimCLR 全称是 A Simple Framework for AI 词典：Contrastive Learning">Contrastive Learning of Visual Representations（视觉表征对比学习的简单框架），由 Google 的研究者在 2020 年提出。一句话概括：拿同一张图做两次不同的数据增强，让模型学会"这两种样子是同一个人，别人不是"，从而在没有人工标签的情况下学出好用的图像特征。
原理：一图两吃，拉近推远
第一步是造样本。取一张照片，随机做两次数据增强（data augmentation）：裁出不同区域、改色、翻转、加模糊……同一张图就生出两个"长得不一样"的版本，它们互为正样本（positive pair）；同一批里其他图片的版本，全是负样本（negative pair）。
打个比方：你只见过同事的证件照，某天他换了发型、换了衣服、戴了口罩走过来，你还是一眼认得出，同时不会把他和旁边的人搞混。SimCLR 要练的就是这件事——抓住"这是同一只猫、同一个人"的本质，不被颜色、角度、亮度这些表面差异骗到。
第二步是编码。两个版本分别送进同一个编码器（encoder，通常是卷积网络）提特征，再经过一个小的多层感知机——投影头（projection head），把特征映射到一个专门比相似度的空间。
第三步是算账：正样本的向量尽量同向，负样本尽量远离，把这个"拉近推远"写成一个可求导的损失函数，反向传播。有个反直觉的细节：投影头训练完就扔掉，下游任务只用编码器的输出，它更像一块"训练用的垫脚石"。
几个关键结论：增强的组合与强度至关重要（尤其是随机裁剪＋颜色扰动）；批次越大、负样本越多，通常学得越好，代价是显存和算力。不搞花哨架构、靠简单组件堆效果，这就是名字里 "Simple" 的由来。
和邻居的区别
| SimCLR | 有监督预训练 | MoCo | BYOL | |
|---|---|---|---|---|
| 需要标签 | 否 | 是 | 否 | 否 |
| 负样本来源 | 同一批里的其他图 | — | 队列＋动量编码器 | 不用负样本 |
| 关键点 | 强增强、投影头、大批量 | 标注质量 | 小批量也能攒负样本 | 靠预测器避免塌缩 |
它和自编码器（autoencoder）那种"把图重建出来"的思路也不同：SimCLR 不关心像素还原得像不像，只关心"像不像同一张"。
实际意义
对算法从业者：当领域标签很贵——医学影像、工业质检、内部商品图——可以先用海量无标注图做对比学习预训练，再拿少量标注微调。SimCLR 的真正贡献是把配方讲清楚了，这套"强增强＋投影头＋大批量＋足够训练轮数"成了后来一大批自监督方法的公共底盘；具体实现和最新版本以官方代码库与论文为准。
对普通人：手机相册自动按人脸分组、电商"以图搜同款"，背后往往就是这类"不看标签、只看像不像"的模型在干活。