【文件属性】：
文件名称：triplet-loss-pytorch:高效的PyTorch版本的Semi-hard Triplet loss:high_voltage:
文件大小：138KB
文件格式：ZIP
更新时间：2021-03-20 17:29:57
pytorch constellation metric-learning loss-functions triplet-loss
三重态SemiHardLoss
PyTorch半硬。基于可在找到的tensorflow插件版本。无需使用此实现来创建暹罗体系结构，就像创建main_train_triplet.py cnn创建过程一样简单！
对于具有N_CLASSES >> N_SAMPLES_PER_CLASS的分类问题，三元组损失是一个不错的选择。例如，人脸识别问题。
在分类层之前，我们需要切断具有三重态损失的CNN架构。另外，必须添加L2归一化层。
MNIST上的结果
我在MNIST数据集上测试了三重态损失。我们无法直接与TF插件进行比较，因为我没有进行实验，但是从性能的角度来看这可能很有趣。如果您想比较结果，这是训练日志。准确性无关紧要，因为我们不训练分类模型，所以准确性不应该存在。
阶段1
首先，我们训练最后一层和批次归一化层，使验证损失接近0.079。
阶段2
最后，解冻所有层，经过足够的训练和超参数调整
【文件预览】：
triplet-loss-pytorch-master
----.gitignore(92B)
----BTC-wallet.png(23KB)
----extract_embeddings.py(3KB)
----model_on_top.py(925B)
----loss_functions()
--------triplet_loss.py(5KB)
----main_train_triplet.py(2KB)
----README.md(3KB)
----main_tsne.py(3KB)
----figures()
--------lr_figure.png(19KB)
--------lr_figure_unfreezed.png(24KB)
--------tsne_val.png(41KB)
--------unfreezed.PNG(14KB)
--------freezed.PNG(14KB)