Blog-Back-Up
Blog-Back-Up copied to clipboard
lawlite19
博客相关文件存储
我看您写的那个triplet loss那里，建立的模型最后一层是是一个dense，这是全连接层，为啥这里叫embedding层了？在keras里面有一个embedding的函数，但是不懂具体的实现，在tensorflow里面也有相关的，embedding_lookup的函数，想问这里为啥这里输出就是embedding了
比如我给了labels 如下 (1,1,0) 那么batch size为3，这里有一个符合条件的标签信息对吧，然后输入的embeddings对应这个labels,但是就是之前要获得3D mask,那个地方的什么得到一个3D的mask [a, p, n], 对应triplet（a, p, n）是valid的位置是True还是没懂，有的地方是false，有的地方是true，这个位置不一样，有什么关联么？可不可以麻烦您，结合一个小例子指导一下呀？
首先非常感谢您提供的代码，有两个问题希望您能提供帮助 1、在我用batch_hard_triplet_loss方法训练手写数字网络时，我发现如果我的网络不加BN层,训练一会之后loss就会固定在margin的大小不在下降，并且acc（acc使用KNN求得）变成了0，我查看了一下_pairwise_distances，发现距离矩阵也差不多都变成了？这是什么原因造成的呢，必须要加bn层吗？ 2、我将batch_hard_triplet_loss用在其他分类任务当中，网络采用VGG网络以及自己设计的简单网络，我发现就算我加了BN层，两个网络也会出现上述情况，我只用了三元组损失并没有使用其他损失，不知道这是什么原因？跟网络的大小或者分类任务的难易有关吗？ 谢谢，希望您能回答。
请问一下，triplet loss之前都要进行L2归一化处理吗？我看到facenet 网络的最后使用了L2归一化得到embeddings，但是有的代码又没有使用L2归一化？