记一次我都称不上面试的面试问题（仅作为日常遇到的问题记录）

【仅是对自己今天遇到的两个问题的浅显理解，如有不对敬请指正，如有补充也请不吝赐教】
1.Triplet loss 和 cross entropy loss的区别
CE的本质是用于分类的一个损失函数，目标是将每一类的类别分到他所属的那一类的类别的概率是最大的，在全局上也是最大的。
Triplet loss的优化目标是基于两个样本对（正负样本对），使得正样本对之间的距离比负样本对之间的距离足够的小。
即两者的优化目标是不一样的。
关于优缺点
CE在全局上能将各个类分开，缺点是类间的差距可能不会很大。
Triplet loss的优化目标是强调类内差距小，类间差距大，对于个体识别的能力会更强，但单独使用在全局上可能会每一类之间的分布不是很均匀。
所以在Re-id上一般会将CE+Triplet loss 一起使用，既可以保证全局，又可以使得类内距离小，类间距离大。
对于传统的分类问题，用CE就可以了。
损失函数
损失函数

2.Domain adaption和Domain generalization的区别
首先理解的DA是在source domain上学习之后，在特定的target domain上能有比较好的结果。DG是在source domain上学到一个通用的特征表示之后，希望它能在其他的任何target domain上都有比较好的效果。