deep-person-reid中的triplet怎么实现

在deep-person-reid中，triplet loss是用来训练人物重识别模型的一种损失函数。它的实现方式如下：

1. 在训练集中随机选择一个batch的数据，每个batch包含p个人，每个人有k张图片。

2. 对于每个人，从他的k张图片中随机选择两张作为anchor和positive样本，另外从其他人的图片中随机选择一张作为negative样本。

3. 根据选择的三张图片（anchor、positive、negative），计算它们的embedding向量。

4. 计算anchor和positive的欧氏距离，以及anchor和negative的欧氏距离。根据这两个距离，计算triplet loss。

5. 根据triplet loss来更新模型参数，使得anchor和positive的距离尽可能小，而anchor和negative的距离尽可能大。

6. 重复以上步骤，直到模型收敛。

总的来说，triplet loss的目标是在embedding空间中，使得同一人的图片的embedding向量尽可能接近，不同人的图片的embedding向量尽可能远离。