自监督学习Self-supervised Learning入门简知
1、定义：
自监督学习主要是利用辅助任务（pretext）从大规模的无监督数据中挖掘自身的监督信息，通过这种构造的监督信息对网络进行训练，从而可以学习到对下游任务有价值的表征。（也就是说自监督学习的监督信息不是人工标注的，而是算法在大规模无监督数据中自动构造监督信息，来进行监督学习或训练。因此，大多数时候，我们称之为无监督预训练方法或无监督学习方法，严格上讲，他应该叫自监督学习）
2、挑战：
对于自监督学习来说，存在三个挑战：
- 对于大量的无标签数据，如何进行表征/表示学习？
- 从数据的本身出发，如何设计有效的辅助任务 pretext？
- 对于自监督学习到的表征，如何来评测它的有效性？
详细介绍可参考：https://blog.csdn.net/sdu_hao/article/details/104515917
