人脸识别尝试失败欧氏距离

Pytorch损失函数优化的目标是让loss越小越好，如果损失是平方，最小是0，所以优化目标是为0

如果人脸识别用欧式距离，正样本距离越小越好，距离的平方即可，

负样本这是欧式距离，目标是让距离越大也好，loss只能越小越好，那就距离乘以-1，确实会越来越小，但是loss向负无穷靠近，正样本的loss很小，感觉被淹没忽略了，

所以人脸识别用距离损失函数感觉不太合适。

以下内容转自：

人脸识别之欧氏距离——余弦距离_猫猫与橙子的博客-CSDN博客

最近训练了一个人脸识别模型，在测试集上的效果较之前的模型相比（lfw,cfp_fp,agedb_30），accucay都有所提升,但是在自己的测试集效果上却特别差。然后仔细的研读了相应的测试代码，先把训练工程中的代码贴出来：

diff = np.subtract(embeddings1, embeddings2)#做减法
dist = np.sum(np.square(diff), 1)#计算各元素的平方后加和
InsightFace中的代码使用的是欧氏距离，使用网络结构提取的特征进行欧式距离计算两个特征的相似度；

而我的测试代码使用的是余弦距离，测试代码:

regmat = np.array(regfeat) #regfeat特征
capmat = np.array(capfeat)