问题标签 [triplet]

使用 gcc 时，我可以通过运行gcc -dumpmachine. 在我当前的系统上，这给了我x86_64-linux-gnu.

我怎样才能稳定rustc打印我的主机三倍？（x86_64-unknown-linux-gnu在这种情况下）

rustc的文档似乎不包含除--printand之外的任何相关内容--version。似乎都没有产生宿主目标三倍。

澄清：到目前为止，关于 nightly 给出了两个答案，我想强调这个问题专门针对稳定 rustc的编译器。

我正在尝试解决项目 euler 的第 9 个问题，这段代码可以完成这项工作，但是这样做需要很长时间（注意：我刚刚意识到 a<b<c 条件在函数中是无用的，因为它总是在循环）

我正在尝试通过随机负三元组选择来实现三元组损失。现在我有一个形状为 (batch_size, batch_size, batch_size) 的张量，其中元素 (i,j,k) 等于 dist(i,j) - dist(i,k) + margin（i 是锚，j 是正对，ka 负）。

我将所有无效元素清零并tf.maximum(tensor,0.)
为每对 i,j 取 Now 我想随机选择一个非零元素（如果存在），并计算所有这些选定元素的平均值。我需要禁用急切的执行，所以我不需要遍历任何东西。

现在我的代码如下所示：

我假设可以通过使用 tf.distributions.Uniform 来实现随机性，但是由于每对 i,j 具有不同数量的有效索引 k 我不知道如何应用它。

我正在尝试使用三元组损失函数对 ResNet50V2 模型进行迁移学习。我保留了 Include_top = False, input shape = (160,160,3) 和 Imagenet 权重。我的模型的最后 3 层如下图所示，有 600 万个可训练参数。

在训练过程中，我可以看到损失函数值从 7.6 降低到 0.8，但准确度没有提高。但是当我用 VGG16 替换模型并训练最后 3 层时，准确率从 50% 提高到 90%，同时损失值从 6.0 降低到 0.5。

我哪里错了？在训练 resnet 模型时我应该看什么具体的东西吗？如何训练 resnet 模型？

我正在尝试为三元组损失（使用 keras）编写一个自定义损失函数，它需要 3 个参数锚，正数和负数。三元组是使用 gru 层生成的，model.fit 的参数是通过数据生成器提供的。

我面临的问题是在训练时：

损失函数的实现

这可能是因为 keras 期望数组作为返回的损失，但我提供了一个标量值吗？

我们需要在某些接受三元组形式输入的专有软件中绘制大量曲面图，即 $(x_1, y_1, z_1), (x_2, y_2, z_2),...$

原始数据以电子表格的形式提供给我们（如屏幕截图所示，请注意它可能包含空行和/或空列）。我正在寻找一种有效的方法（重点是这个词！）将原始表格转换为所述程序可以使用的格式（一些脚本，实用程序等，但不是在线工具，因为机器是未连接到互联网）。在理想情况下，它应该同时运行在 Windows 和 Linux 上，但即使它运行在这两种操作系统中的任何一种上，原则上也足够了。

我有一个文件 json，其中包含从 InsightFace 和 MXNet 生成的向量，如下所示：

{"id": "huonght", "vector": "[-0.0591206625,-0.0562381446,...,0.0173285864,0.0403193906]}

{"id": "huonght", "vector": "[-0.0458422117,-0.0401753262,...,0.1048753187,0.0371856093]}

{"id": "huonght", "vector": "[-0.0422730967,-0.0223527066,...,0.0507882051,0.0381843373]}

...

我如何使用 Triplet Loss 将这些向量生成到集群中？

我正在尝试在 TensorFlow (tensorflow==1.13.1) 中训练一个三元组损失模型，但在第一次迭代后损失会转到 NAN。我已经从这个论坛阅读了很多提示，但到目前为止没有任何效果。较小的学习率（从 0.01 更改为 0.0001）。还尝试了更大的批次大小，因为有人建议如果批次太小，批次可能不包含完整的三元组。但是，我使用以下代码自己构建了批次：'''

我还看到人们在预测中添加了一个小数字来避免这个 NAN。我不知道我是否必须为三元组丢失或在哪里这样做。训练代码是这样的

'''

_，l，summary_str = sess.run（[train_step，loss，merged]，feed_dict={anchor_input：batch_anchor，positive_input：batch_positive，negative_input：batch_negative}）

我是使用 StackOverflow 的新手，所以我想包含我在 Github 中使用的文件，以防我提供的信息太少。 https://github.com/AndreasVer/Triplet-loss-tensorflow.git

我正在尝试通过 mex 函数（用 Fortran 编写）在 Matlab 中创建一个稀疏方阵。我想要类似的东西A = sparse(I,J,K)。我的三胞胎长这样，条目之间有重复

我写了一段粗略的代码，它适用于小矩阵维度，但它比固有的 Matlab 的sparse. 由于我几乎没有编码背景，所以我不知道我做错了什么（分配变量的方法错误？太多的循环？）。任何帮助表示赞赏。谢谢你。这是 mex 计算子程序。它返回 pr、ir、jc 索引数组以提供给稀疏矩阵

编辑：
正如用户@jack 和@veryreverie 在下面的评论中所建议的那样，最好直接排序femi,femj和femk. 我猜femi首先排名/排序（以及排序femj和femk根据femi）然后排名/排序femj（以及排序femi和femk根据femj）提供了所需的结果。剩下的唯一事情就是处理重复项。

编辑#2：
我逐行翻译了Engblom 和 Lukarksi的 C 代码的序列化版本。该文档非常清楚地解释了他们的推理，我认为它对像我这样的初学者很有用。但是，由于我缺乏经验，我无法翻译代码的并行版本。也许这会引发另一个问题。

考虑这些组件的大小是 a1, a2, a3,.... , ak。所以我们必须从给定的 k 个断开的组件中选择三个顶点，这可以通过多种方式完成。

所以你必须在 O(N) 时间内计算 S 的值。这可以通过一些观察来计算。

在这里使用 O(n) 没有找到三元组。我没有得到逻辑任何人都可以在这里解释 O(n) 方法。供参考 http://gauamgraph.blogspot.com/2015/09/kundu-and-tree.html?m=1