论文地址：Unsupervised Embedding Learning via Invariant and Spreading Instance Feature
InvaSpread：个体判别代理任务+NCE loss+端到端学习
- 同一个encoder的minibatch选择正负样本，因为没有TPU，所以是端到端的学习且不需要外部数据结构，提升了速度。但实际上在更多的负样本的情况下训练效果会更好
- 解释了instance-wise优化任务的数学逻辑，为什么可以学习到spread-out和invariant特征性质
- 强调通过学习更深层次的特征embedding可以获取更好的泛化效果
