pytorch_metric_learning.miners

`pytorch-metric-learning`库提供了丰富的矿工（miner）来从原始数据中提取用于学习距离度量的特征对。这些矿工帮助模型选择哪些样本对应该用来训练，以促进有效的聚类或相似性学习。以下是几个常见的miners示例：

1. `BaseMiner`：这是所有其他矿工的基础类，它定义了一些基本的行为，如计算两个样本之间的相似度。

2. `HardTripleMiner`[^1]：寻找最难区分的正负三元组，即找到最具有挑战性的样本对，这对于提升模型的泛化能力很重要。

3. `AllYouNeedTripletMiner`：这个矿工生成所有可能的三元组，包括相同的正样本，这对于快速开始但可能效率较低的情况很实用。

安装`pytorch-metric-learning`可以通过命令行工具`conda`完成：

conda install pytorch-c pytorch

要实际使用一个miner，你需要创建一个`MetricLoss`实例并指定矿工，如下所示：

from torch_metric_learning.miners import HardTripleMiner

miner = HardTripleMiner()
loss = TripletMarginLoss(margin=0.2, miner=miner)