文件名称：暹罗三胞胎：在PyTorch中使用在线对三胞胎进行挖掘的连体和三胞胎网络
文件大小：4.05MB
文件格式：ZIP
更新时间：2024-02-25 10:55:00
machine-learning deep-learning pytorch embedding triplet-loss
在线对/三胞胎挖掘的连体和三元学习 PyTorch实施暹罗和三联体网络来学习嵌入。 连体和三联体网络对于学习从图像到紧凑的欧几里得空间的映射很有用，其中距离对应于相似度的度量[2]。 以这种方式训练的嵌入可以用作分类或几次学习任务的特征向量。 安装 需要 0.4和torchvision 0.2.1 对于pytorch 0.3兼容性签出标签torch-0.3.1 代码结构 数据集 SiameseMNIST类-类似于MNIST数据集的包装，返回随机的正负对 TripletMNIST类-类似于MNIST的数据集的包装器，返回随机三元组（锚定，正负） BalancedBatchSampler类-
【文件预览】：
siamese-triplet-master
----Experiments_FashionMNIST.ipynb(1.21MB)
----.gitattributes(31B)
----images()
--------fmnist_otl_train.png(120KB)
--------mnist_softmax_test.png(61KB)
--------fmnist_comp_tl.png(82KB)
--------mnist_comp_otl.png(60KB)
--------mnist_comp_cl.png(27KB)
--------mnist_otl_test.png(54KB)
--------fmnist_ocl_train.png(124KB)
--------fmnist_siamese_test.png(105KB)
--------mnist_softmax_train.png(57KB)
--------fmnist_ocl_test.png(116KB)
--------fmnist_otl_test.png(119KB)
--------fmnist_softmax_test.png(65KB)
--------mnist_siamese_train.png(27KB)
--------mnist_triplet_test.png(78KB)
--------fmnist_triplet_test.png(142KB)
--------mnist_ocl_train.png(33KB)
--------mnist_triplet_train.png(134KB)
--------mnist_comp_tl.png(65KB)
--------fmnist_triplet_train.png(158KB)
--------contrastive_loss.png(15KB)
--------mnist_comp_ocl.png(35KB)
--------mnist_siamese_test.png(38KB)
--------fmnist_softmax_train.png(65KB)
--------fmnist_comp_ocl.png(141KB)
--------anchor_negative_positive.png(26KB)
--------triplet_loss.png(13KB)
--------fmnist_siamese_train.png(122KB)
--------mnist_otl_train.png(73KB)
--------fmnist_comp_otl.png(140KB)
--------mnist_ocl_test.png(39KB)
--------fmnist_comp_cl.png(91KB)
----utils.py(8KB)
----datasets.py(8KB)
----LICENSE(1KB)
----metrics.py(1KB)
----losses.py(3KB)
----Experiments_MNIST.ipynb(1.14MB)
----README.md(11KB)
----trainer.py(4KB)
----networks.py(3KB)