pytorch metric learning:在应用程序中使用深度度量学习的最简单方法。 模块化灵活和可扩展。 用PyTorch写 源码

新闻 1月12日:v0.9.96大大提高了和的灵活性。 查看 12月10日:v0.9.95包括一个新的元组采矿器 。 查看 11月6日:v0.9.94中有一些小错误修复和改进。 文献资料 Google Colab示例 请参阅 以获取可以在Google Colab上下载或运行的笔记本的 。 PyTorch公制学习概述 该库包含9个模块,每个模块都可以在您现有的代码库中独立使用,或组合在一起以形成完整的培训/测试工作流程。 损失函数如何工作 在训练循环中使用损失和矿工 让我们初始化一个简单的 : from pytorch_metric_learning import losses loss_func = losses . TripletMarginLoss () 要在训练循环中计算损失,请传递模型计算的嵌入以及相应的标签。 嵌入的大小应为(N,embedding_size),标签的大小应为(N),其中N为批处理大小。 # your training loop for i , ( data , labels ) in enumerate ( dataloader ): optimiz