contrastors

用 PyTorch 快速训练对比学习模型，省心省力。

contrastors 是一个基于 PyTorch 的对比学习训练工具库，专注于帮助研究者和工程师高效地训练对比学习模型。它解决了对比学习训练流程复杂、复现困难的问题，提供了一套简洁、模块化的 API，支持多种损失函数（如 InfoNCE）、数据加载和分布式训练。核心能力包括灵活的模型封装、自定义数据管道、以及针对大规模嵌入训练的优化，使得用户能够快速实验不同的对比学习策略，尤其适用于自监督学习、度量学习和检索任务。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 804
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类搜索知识
开发团队nomic-ai
所属国家
官网地址
GitHubhttps://github.com/nomic-ai/contrastors
定价模式free
价格说明开源项目，Apache-2.0 许可证，可自由使用，无付费版本。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型contrastive-learning,deep-learning,dense-retrieval,embeddings,image-embeddings,multimodal,multimodal-rag,pytorch,rag,text-embeddings,transformers
GitHub 星标★ 804
30天Star增速
HF 下载量
上线时间2024-01-30 00:00:00
最近更新2026-09-18 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

核心亮点

  • 提供统一的对比学习训练接口，降低上手门槛。
  • 内置多种常用对比损失函数，方便切换实验。
  • 支持分布式训练，可扩展至大规模数据。

不足之处

  • 文档/社区待观察
  • 项目早期，功能可能不够全面。

适用场景

  • 自监督视觉表征学习
  • 文本/图像嵌入的度量学习
  • 大规模检索系统的模型训练

替代项目

PyTorch Metric Learning、Lightning Contrastive Learning、OpenCLIP

项目介绍

contrastors 是模型训练领域的开源项目，由 nomic-ai 开发，2024 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（804）位列前 30%，在模型训练分类中处于中上游。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-18。Apache-2.0 许可证，可自由使用，无付费版本。

它主要面向的使用场景是：自监督视觉表征学习。同类可对比的替代方案包括 PyTorch Metric Learning、Lightning Contrastive Learning、OpenCLIP。

上一篇：pylate

下一篇：RAG-FiT

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列，训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性，长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型，练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型，推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13