Tensorflow中的Triplet，Siamese和Softmax

Question

我想比較兩種不同大型圖像數據集的以下幾種CNN的性能。目標是衡量兩幅圖像之間的相似度，這兩幅圖像在訓練期間都沒有看到。我可以訪問2個GPU和16個CPU內核。

1. 三重CNN（輸入：三幅圖像，標籤：在位置編碼）
2. 連體CNN（輸入：兩個圖像，標籤：一個二進制標記）
3. 使用SoftMax CNN地物學習（輸入：一個圖像，Label：一個整數標籤）

對於Softmax，我可以以二進制格式存儲數據（順序存儲標籤和圖像）。然後用TensorFlow閱讀器讀取它。

要爲Triplet和Siamese Networks使用相同的方法，我必須預先生成組合並將它們存儲到磁盤。這會在創建文件和磁盤空間中花費大量時間。它如何在飛行中完成？

另一個簡單的方法是使用feed_dict，但這會很慢。因此，如果可以並行運行我用於feed_dict的相同函數並將結果轉換爲TensorFlow張量作爲最後一步，問題就可以解決。但據我所知，這種轉換不存在，所以人們必須首先用TensorFlow閱讀器讀取文件，並用TensorFlow方法完成整個過程。它是否正確？

Answer 1

簡短的回答在numpy上執行pair/triplet創建，無需將其轉換爲張量，因爲feed_dict參數已接受numpy數組。

最好是結合使用tf.nn.embedding_lookup()從已經存在的批次，itertools創建對的指數，但對一個天真的非最優的解決方案，你可以看看gen_batches_siamese.py腳本my github repository。我在哪裏重新實現了caffe暹羅例子。 顯然它比使用張量流隊列的效率要低，但我的建議是在進入純張量流解決方案之前首先嚐試這個基線。