Kaibing Chen

> 是的 ``` def random_negs(l,r,no,s): # set_s=set(s) negs = [] for i in range(no): t = np.random.randint(l, r) # while (t in set_s): while (t== s): t = np.random.randint(l, r)...

> 你好，从统计角度讲，对结果没有影响。当然您也可以去除重复的都可以。 对于年龄性别这些下游任务，类别都较少，随机采负样本测试，统计上指标都会偏高的，整体上相当于测试的类别变少了 实际跑的时候，不去重跑出来与你论文的指标差不多，稍微低点；去重后指标要低个10个点左右

> 你好，只需要所有baseline的evaluation保持一致就可以哈 在 2021-01-04 10:50:40，"Kaibing Chen" 写道： 你好，从统计角度讲，对结果没有影响。当然您也可以去除重复的都可以。 对于年龄性别这些下游任务，类别都较少，随机采负样本测试，统计上指标都会偏高的，整体上相当于测试的类别变少了 实际跑的时候，不去重跑出来与你论文的指标差不多，稍微低点；去重后指标要低个10个点左右 — You are receiving this because you commented. Reply to this email directly, view it on GitHub, or unsubscribe. OK

> 版本、环境信息： > 1）PaddlePaddle版本：1.6 > 2）CPU：CPU > 3）GPU：无 > 4）系统环境：Linux python2.7 > metric learning中的reader.py源码如下：createreader中的keep_order > ` > def createreader(settings, mode): > def metric_reader(): > if mode == 'train': > train_data,...

> 如果都设置为True，对训练有什么影响？ reader速度会慢点，训练效果没影响。

> @kebinC did you solve the issue? What is the highest result you get? No, the highest recall@1 i got is about 0.51.