tripletloss 改善了几个点？ about tripletloss HOT 33 OPEN

准确率改善的还不错。特征比对的结果比softmax分类结果略好，不过测试时间开销大。特此感谢 @pinguo-luhaofang

from tripletloss.

@tanyuan1992 tripletloss的输出结果，极其依赖训练集。做lfw测试，可以用你的数据进行softmax的训练，最后用lfw的数据来训练embedding，来做测试。如果你的训练数据足够大请忽略这句话。。。

from tripletloss.

@thu-zxs 用softmax训练的模型， 加上tripletloss以后 ，初始loss值小的可怕 只有零点零几 正常吗？还有，在用triplet来训练时，因为loss初始时就很小，那么训练好的指标是什么呢

from tripletloss.

@tanyuan1992 正常的。如果训练样本比较多的话考虑batch size大一些，或者多训几万个iteration。训练好的话不仅loss是0，而且ap和an的差距应该是逐渐拉大的，不过变化的过程比较缓慢。我训3000多类，用softmax来fintuning训了20万个iteration，不过我batch size只有18。

from tripletloss.

@thu-zxs ，你好，我训练的过程中，loss只有从一开始从0.18，10000次左右跌倒到了0.001之后到了十万次左右还是这样个样子，拿5万次结果去测试，发现和之前的结果差不多，略低0.5%.您最后训练了多少次，中间结果ap和an差距有多大？

from tripletloss.

@dianxin556 你好，你最后得到的模型，用的什么方法测试模型的，贝叶斯吗？

from tripletloss.

@zhangfudiyi ，不是，我是测verification，跟另外一篇Deepface文章的测试方式一样。不过我不太明白训练tripletloss时的validation是怎么测试的，不计算回传，随机找测试的batch吗

from tripletloss.

@dianxin556 是的，测试的话是随机batch的。你说的verification是不是DeepID中提到的方法，如个不是麻烦你能告诉我是那一篇论文吗？谢谢了！

from tripletloss.

@zhangfudiyi ，deep face recognition。

from tripletloss.

@thu-zxs，你好，你softmax特征取的是哪一层特征和tripletloss比的？ 谢谢

from tripletloss.

@dianxin556 softmax是fc8，tripletloss是长度为512的fc9。我用softmax finetuning tripletloss的时候没要fc8

from tripletloss.

@dianxin556 你好！你能给我一份你的verification代码吗？我用的joint-Bayesian的一直没搞好。

from tripletloss.

@thu-zxs 你好，请问一下你那边测试出来，triplet比softmax提高的几个点呢？我是1000分类80000多张图片训练的softmax，然后换成tripletloss迭代了400000次。最后在lfw上的测试结果是：softmax上是88.54，triplet上是88.70

from tripletloss.

@thu-zxs 你使用这个code训练正常？我觉得tripletselectlayer.py中有个判断有问题

from tripletloss.

@pinguo-luhaofang ，你好，如果拿一些每个人只有两三张图片，但是有很多人的数据去训练tripletloss的话，可行吗？谢谢

from tripletloss.

@pinguo-luhaofang 我现在倒是有200W的数据集 但是现在数据选择的策略我觉得有点问题 按照你现在的策略 每次迭代相当于在整个数据集在index只加了1，要想走完一个epoch 有多少图片就得多少次迭代 我200W的图片就要200W次迭代

from tripletloss.

@pinguo-luhaofang 我觉得你原来那个版本用的策略挺好的，只是会出现死循环 但是可以参考一下openface的策略 稍微进行一下修改

from tripletloss.

@pinguo-luhaofang 按照你说的用lfw来训练embedding，这可行吗？lfw里面大多数分类只有1张或者两张图片

from tripletloss.

@tanyuan1992 建议你看下论文，然后 epoch 的策略倒是有很多方法来做，但是个人认为并非是最重要的，如果你的数据集较大，那么当然可以在数据中进行随机筛选个数，达到降低选取样本个数的目的，如果你的数据较小，那么当然全量配对进行训练是能找到最优解的。

from tripletloss.

@tanyuan1992 之所以需要通过测试数据来进行，原因请考虑什么叫做embedding，拿着地球的质量来套公式计算月球的第一宇宙速度，这看起来是不可行的吧。

from tripletloss.

@pinguo-luhaofang 能否加Q私聊 763100314

from tripletloss.

@chendd14 那里面的判断我改过

from tripletloss.

@thu-zxs 除了这里，你还有别的地方的改动吗？我现在使用了这段代码，经过一段时间后，所有的对之间的距离都是0. [email protected]，欢迎私聊，我是电子系的。

from tripletloss.

@thu-zxs
请问下tripletselectlayer.py第58行这里你怎么改的 ？

from tripletloss.

@chendd14 只改动了这儿，至于都是0，可以考虑finetuning的时候不要softmax训好的fc8。你好，我也是电子。

from tripletloss.

@yzk0281 我注释掉了58、59行

from tripletloss.

@pinguo-luhaofang 请问triplet loss的输入为什么是fc_9,一般来说embedding应该对特征层fc_7来做才合理吧？

from tripletloss.

@jiangxuehan 对的，是应该拿fc_7来做。

from tripletloss.

@pinguo-luhaofang 可是你的train.prototxt里是 fc7->fc9->norm2->fc9_1->triplet ？

from tripletloss.

@pinguo-luhaofang 如果说进行embedding的时候 ，需要用测试数据来进行，那么这样的意义在哪里呢？ 假如我要将这种方法运用到实际中来 ，我事先并不知道我要进行测试的数据是什么，这时候貌似这种方法并不管用呢

from tripletloss.

@pinguo-luhaofang 你好，原文当中learning rate设置是0.25， 你的配置文件是0.05
这个对训练的影响大不大； 还有发现loss在一两万次迭代的时候就收敛为0了，远没有达到训练集的大小。请教下你训练的时候用的什么数据集

from tripletloss.

@thu-zxs 您好，我现在还没跑通他的代码，我已经将WITH_PYTHON_LAYER := 1取消注释，并重新编译了，但是接下来该怎么做？我直接Python train.py 但是出现了错误，
I0811 06:09:47.978478 18994 solver.cpp:70] Creating training net from net file: /home/dl1/lvlu/10000all/tripletloss-master/m_train.prototxt
[libprotobuf ERROR google/protobuf/text_format.cc:245] Error parsing text-format caffe.NetParameter: 2223:14: Message type "caffe.PythonParameter" has no field named "param_str".
请问，我是不是少做了什么步骤？

from tripletloss.

你取消注释pythonlayer 怎么调用tripletloss层呢。。。

from tripletloss.