移植loss问题 about alignedreid-re-production-pytorch

[huanghoujing]

多谢你的关注！
这个is_pos的第i行表示所有样本和第i个样本之间是否是同一个id，对角线上肯定是True，如果第j, k, l个样本和第i个样本同一个id，那么第i行的第j, k, l应该是True。is_pos一般情况下不是对角阵。这个错误我没能一眼看出来是哪里的不兼容。

[chapmancpp]

N = dist_mat.size(0) #这是您N的定义
您之前定义了N的大小，为矩阵大小，
然而当队列中出现相同的ID的时候，即为非对角矩阵时，那么
is_pos = labels.expand(N, N).eq(labels.expand(N, N).t()) ，
dist_mat[is_pos]的维数就会不等于N。
那么，下面很多用N定义的就会报错了，比如下面这行：
dist_ap, relative_p_inds = torch.max(
dist_mat[is_pos_test].contiguous().view(N, -1), 1, keepdim=True)#报错

dist_mat[is_pos_test].contiguous()的维数不等于N，就不能用view（N，1）.您看我理解的对吗，是不是我哪边理解错了。

[huanghoujing]

举个例子，labels是[1, 2, 3, 4, 2, 1, 3, 4, 4, 2, 1, 3]，也即4个id，每个id有3张图片，那么is_pos应该是（为了简化，下面的1表示True, 0表示False）:

1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0
0, 1, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0
0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1
0, 0, 0, 1, 0, 0, 0, 1, 1, 0, 0, 0
0, 1, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0
1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0
0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1
0, 0, 0, 1, 0, 0, 0, 1, 1, 0, 0, 0
0, 0, 0, 1, 0, 0, 0, 1, 1, 0, 0, 0
0, 1, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0
1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0
0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1

对角线都是1，每一行总共有3个1，所以dist_mat[is_pos].contiguous().view(N, -1)里边的-1就相当于3，dist_mat[is_pos].contiguous().view(N, -1)的结果是一个12*3的数组。

我发现上面你的代码中好像有点问题，dist_ap, relative_p_inds = torch.max( dist_mat[is_pos_test].contiguous().view(N, -1), 1, keepdim=True)这里边is_pos_test不对吧，应该是is_pos。

[chapmancpp]

后来发现是我对triplet loss的理解问题。哈哈，谢谢大佬。大佬在国外的吗？羡慕。

[huanghoujing]

大佬这个还是不敢当。。没在国外啊。。。

[Kang9779]

后来发现是我对triplet loss的理解问题。哈哈，谢谢大佬。大佬在国外的吗？羡慕。

N = dist_mat.size(0) #这是您N的定义
您之前定义了N的大小，为矩阵大小，
然而当队列中出现相同的ID的时候，即为非对角矩阵时，那么
is_pos = labels.expand(N, N).eq(labels.expand(N, N).t()) ，
dist_mat[is_pos]的维数就会不等于N。
那么，下面很多用N定义的就会报错了，比如下面这行：
dist_ap, relative_p_inds = torch.max(
dist_mat[is_pos_test].contiguous().view(N, -1), 1, keepdim=True)#报错

dist_mat[is_pos_test].contiguous()的维数不等于N，就不能用view（N，1）.您看我理解的对吗，是不是我哪边理解错了。

我也遇到了这个问题，你解决了吗？

[Kang9779]

举个例子，labels是[1, 2, 3, 4, 2, 1, 3, 4, 4, 2, 1, 3]，也即4个id，每个id有3张图片，那么is_pos应该是（为了简化，下面的1表示True, 0表示False）:

1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0
0, 1, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0
0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1
0, 0, 0, 1, 0, 0, 0, 1, 1, 0, 0, 0
0, 1, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0
1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0
0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1
0, 0, 0, 1, 0, 0, 0, 1, 1, 0, 0, 0
0, 0, 0, 1, 0, 0, 0, 1, 1, 0, 0, 0
0, 1, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0
1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0
0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1

对角线都是1，每一行总共有3个1，所以dist_mat[is_pos].contiguous().view(N, -1)里边的-1就相当于3，dist_mat[is_pos].contiguous().view(N, -1)的结果是一个12*3的数组。

我发现上面你的代码中好像有点问题，dist_ap, relative_p_inds = torch.max( dist_mat[is_pos_test].contiguous().view(N, -1), 1, keepdim=True)这里边is_pos_test不对吧，应该是is_pos。

要是labels = [1, 2, 3, 4, 2, 1, 3, 4, 4, 2, 1, 1]这样的话，不就没法搞了吗