背景
对比学习，使用dropout构造正样本，出现对比学习loss越来越大最终nan。但是如果事先对向量进行l2正则化，loss正常下降。
解决过程
考虑有如下原因，一一排除并最终锁定：
- batch_size太大，导致分母过大，负样本过多，log里面的项无限接近于0，loss项过大（但是对比学习一般说负样本越多越好，基本排除batch_size太大）
- 向量维度过大，导致直接点乘的结果过大
- 温度系数过小（温度系数设为1后，依然爆炸，排除）
- dropout p=0.4设置的过大，导致正样本中含0元素过多，和负样本与正样本的乘积都差不多，很难优化。（设置p=0.1后，梯度爆炸现象消失，暂时解决）