Tensorflow中的Triplet，Siamese和Softmax

Question

我想比较两种不同大型图像数据集的以下CNN类型的性能。目标是测量两个图像之间的相似性，这两个图像在训练期间都没有看到。我可以访问2个GPU和16个CPU核心。

1. 三联CNN（输入：三张图像，标签：编码到位）
2. Siamese CNN（输入：两张图片，标签：一个二进制标签）
3. 用于特征学习的Softmax CNN（输入：一个图像，标签：一个整数标签）

对于Softmax，我可以以二进制格式存储数据（顺序存储标签和图像）。然后用TensorFlow阅读器阅读。

要对Triplet和Siamese Networks使用相同的方法，我必须提前生成组合并将它们存储到磁盘。这将导致创建文件和磁盘空间所需的时间都很大。怎么能在飞行中完成？

另一个简单的方法是使用feed_dict，但这会很慢。因此，如果能够运行我并行用于feed_dict的相同函数并将结果转换为TensorFlow张量作为最后一步，则问题将得到解决。但据我所知，这样的转换不存在，因此首先必须使用TensorFlow读取器读取文件，并使用TensorFlow方法完成整个过程。这是对的吗？

Answer 1

简短回答在线创建对/三元组numpy不需要将其转换为张量，因为feed_dict参数已经接受了numpy数组。

最好的方法是使用现有批次中的tf.nn.embedding_lookup()与itertools组合来创建对的索引，但对于一个天真的非最佳解决方案，您可以查看gen_batches_siamese.py脚本在my github repository。我重新实现了咖啡暹罗的例子。 显然它比使用tensorflow队列效率低，但我的建议是在转到纯张量流解决方案之前先尝试这个基线。