Seperate Triplet Loss
未關閉
- 主要語言
- Python
- 星號
- 620
- 分支
- 176
- PR 合併指標
- 30 天內沒有已合併 PR
描述
请问在FramePipeline中直接将(n,m,d)输入seperate triplet loss，为何是seperate triplet loss，其seperate是每个scale的特征1个triplet loss吗？为何不直接像testing时拉直整个feature为(batch_size, hidden_dim)进而用1个“普通”的triplet loss？
貢獻指南
這個儲存庫沒有索引到貢獻指南
研究方向
Look at the FramePipeline implementation and the separate triplet loss definition in the codebase. Understand how features are structured as (n, m, d) and why they are not flattened. Compare training and testing loss setups. Check existing documentation or comments about the loss design.
由索引模型根據 Issue 內容生成。
評估
- 技術堆疊
- python, pytorch
- 領域
- ai, machine-learning
- Issue 類型
- 缺陷
- 難度
- 4/5
- 預估耗時
- 3-5 天
- 活躍度
- 停滯
- 描述清晰度
- 需要釐清
- 新手友好度
- 25/100