使用TripletLoss出现RuntimeError: operation does not have an identity.避坑

Triplet loss的优势在于细节区分，即当两个输入相似时，Triplet loss能够更好地对细节进行建模，相当于加入了两个输入差异性差异的度量，学习到输入的更好表示。常用在人脸识别任务中。目的是做到非同类极相似样本的区分，比如说对兄弟二人的区分。

用到我的这个数据上时候发现训练集可以正常运行，但是很奇怪测试集上总是不是，看他其他博客说到更改batchsize等，但是惊奇发现当训练集加载数据为shuffle=True时候，就会像测试集上情况一样。

因此考虑：Triplet loss是用于输入差异性的度量，当我不将数据打乱时候，就会存在operation does not have an identity

def load_training(root_path, dir, batch_size):
    transform = transforms.Compose(
        [transforms.Resize([224, 224]),
         transforms.Grayscale(1),
         transforms.ToTensor(),
         transforms.Normalize([0.485],
                              [0.229])#
         ])
    data = datasets.ImageFolder(root=os.path.join(root_path, dir), transform=transform)
    train_loader = torch.utils.data.DataLoader(data, batch_size=batch_size, shuffle=True, drop_last=True)
    class_label = data.classes
    return train_loader, class_label

def load_testing(root_path, dir, batch_size):
    transform = transforms.Compose(
        [transforms.Resize([224, 224]),
         transforms.Grayscale(1),
         transforms.ToTensor(),
         transforms.Normalize([0.485],
                              [0.229])#
         ])
    data = datasets.ImageFolder(root=os.path.join(root_path, dir), transform=transform)#
    test_loader = torch.utils.data.DataLoader(data, batch_size=batch_size, shuffle=True)
    return test_loader