张量流图正则化 (NSL) 如何影响三元组半硬损失 (TFA)
How tensorflow graph regularization (NSL) affects triplet semihard loss (TFA)
我想使用 nsl.keras.GraphRegularization 训练一个二元目标深度神经网络模型，如本 tutorial. My model has a triplet semihard loss 中所述，在中间密集层中不应 "graph regularized"。
来自 nsl.keras.GraphRegularization definition Github:
Incorporates graph regularization into the loss of base_model.
Graph regularization is done on the logits layer and only during training.
这意味着中间的triplet semihard loss不会受到这个正则化的影响？
是的，没错。图正则化将仅应用于 base_model 的输出。如果您的 base_model 在另一层中使用三重半硬损失，则该损失应不受影响并保留。如果不是这种情况，请在 https://github.com/tensorflow/neural-structured-learning/issues.
提交错误
我想使用 nsl.keras.GraphRegularization 训练一个二元目标深度神经网络模型，如本 tutorial. My model has a triplet semihard loss 中所述，在中间密集层中不应 "graph regularized"。
来自 nsl.keras.GraphRegularization definition Github:
Incorporates graph regularization into the loss of
base_model.Graph regularization is done on the logits layer and only during training.
这意味着中间的triplet semihard loss不会受到这个正则化的影响？
是的，没错。图正则化将仅应用于 base_model 的输出。如果您的 base_model 在另一层中使用三重半硬损失，则该损失应不受影响并保留。如果不是这种情况，请在 https://github.com/tensorflow/neural-structured-learning/issues.