chencodex / triplet-loss-pytorch Goto Github PK

想学习一下您的代码，但是没有合适的数据集，如果能提供一下下载链接，将十分感谢！

您好，感谢您创建了一个这么好的项目。我将您的项目应用在了我的数据集上，确实获得了性能提升。但是有的时候跑着跑着会出现以下问题，而导致程序终止：

刚开始第一个epoch一般不会出现，每次跑基本上都会在某个epoch出现而终止。我基本上没改您的程序，期待您帮忙解决一下这个问题，感谢！（我的训练集有900张（A类173，B类727张），测试集379张（A类75张，B类304张），训练的batch_size是按照您设置的是10，测试的batch_size是100）

I use triple loss between data of two modalities to reduce the distance between different modalities of the same class and increase the distance between different modalities of different class. But when I use batch_all loss, the valid set loss has not changed; now using hard_loss, the valid set loss still has not changed. What is the reason? I found some answers that triplet is difficult to converge. What do you do to deal with triplet loss convergence?

data_loader.py的102行：
while len(self.data_queue) < self.batch_size:
time.sleep(0.2)
这个容易出现死循环。

你好，请问可以解释一下这一部分的代码吗？没看懂你triplet loss是怎么计算的。
temp_x = [torch.stack(input[i], dim=0) for i in range(len(input))]
temp_y = [torch.stack(target[i], dim=0) for i in range(len(target))]
new_x = torch.stack(temp_x, dim=0)
new_y = torch.stack(temp_y, dim=0)

    new_x = [new_x[:, i] for i in range(3)]
    new_y = [new_y[:, i] for i in range(3)]
    sample_input = torch.cat(new_x, 0)
    sample_target = torch.cat(new_y, 0)
    # print (sample_target)
    # print (sample_target[:batch_size])
    # print (sample_target[batch_size:(batch_size * 2)])
    # print (sample_target[-batch_size:])
    target = sample_target.cuda(async=True)
    input_var = torch.autograd.Variable(sample_input.cuda())
    target_var = torch.autograd.Variable(target.cuda())
    # compute output
    output = model(input_var)
    anchor = output[:temp_batch_size]
    positive = output[temp_batch_size:(temp_batch_size * 2)]
    negative = output[-temp_batch_size:]

你好，这个代码实现的非常好，能否把代码用的数据集的名字给我说一下，我想复现一下实验结果，非常感谢

读取大数据库特别慢，有什么建议的解决方法吗

你好，请问你是用的什么数据集呀

还是只要是图像分类的数据集就可以呢？

您好，我运行了您的代码 但是我只使用三元组损失进行训练，损失一直是在一个很小的值，请问您也是这样吗

请问这段代码是不是不兼容pytorch的dataset？想处理的数据集是dataset形式的，请问有什么办法吗？