詳解Siamese網絡和contrastive loss的講解

全部參考以下文章：

1.詳解Siamese網絡

2.Contrastive Loss (對比損失)

3.Siamese network 孿生神經網絡的應用，僞孿生網絡

詳細的部分摘抄和記錄：

# tensorflow僞代碼
def contrastive_loss(self, y,d,batch_size):
      tmp= y *tf.square(d)
      #tmp= tf.mul(y,tf.square(d))
      tmp2 = (1-y) *tf.square(tf.maximum((1 - d),0))
      return tf.reduce_sum(tmp +tmp2)/batch_size/2    

歐式距離表示兩個文本向量在空間之間的距離，如果距離很小說明樣本相似；反過來，兩個文本越相似，那麼它們之間的歐式距離越小；從上面圖中我們可以看出，x軸爲d（歐式距離），以紅色虛線爲例，它們描述了兩個相似文本loss與歐式距離之間的關係，因爲歐式距離越大與"兩個文本相似"這個事實事與願違，那麼我們就對它們懲罰越大（即loss越大）