pytorch - Siamese Network 不能在 pytroch 中学习

Question

我正在尝试实现连体网络进行人脸识别，我使用对比损失，但不幸的是，当两个图像不属于同一个人时，网络输出的值不会超过边距，所以当我测试它时，它总是输出两张图片属于同一个人。这是代码：

class Siamese_Network(nn.Module):
    def __init__(self, network):
        super(Siamese_Network, self).__init__()
        self.network = network

    def forward(self, inp1, inp2):
        inp1_pred = self.network(inp1)
        inp2_pred = self.network(inp2)
        return inp1_pred, inp2_pred


class ContrastiveLoss(nn.Module):
    def __init__(self, margin):
        super(ContrastiveLoss, self).__init__()
        self.margin = margin

    def forward(self, output1, output2, target):
        distances = (output2 - output1).pow(2).sum(1)
        losses = 0.2* (target.float() * distances +
                        0.8 * (-1 * target).float() * f.relu(self.margin - distances.sqrt()).pow(2))
                        
        return losses.mean()

我如何测试：我在输入两个图像后迭代图像并查看网络的输出，如果这两个输出（嵌入向量）之间的距离大于边距，那么图片不属于同一个人，如果距离是小于边距则图片属于同一个人。由于保证金的值为 100。（可能这是问题）

标签： pytorchsiamese-network