PyTorch度量学习库v0.9.87发布，提升易用性和灵活性

资源摘要信息:"PyTorch Metric Learning (PML) 是一个用Python编写的灵活且可扩展的度量学习库，底层框架是PyTorch。度量学习是机器学习的一个分支，专注于学习数据点之间的相似性度量。这种方法广泛应用于人脸验证、零样本学习和相似性搜索等领域。 PML库的最新版本是v0.9.87，这是一个重要的更新版本，其中包含了一些可能会影响现有代码运行的重大更改。因此，用户需要仔细阅读发行说明以了解所有的更新内容，以确保他们能够正确地使用新版本。 PML的优点包括易用性。在用户自己的训练循环中，只需两行代码就可以将度量学习集成到应用程序中。此外，它提供了灵活的API，允许用户以其他库所不允许的方式混合和匹配损失函数、矿工（miners）和训练器（trainers）。矿工是指在训练过程中用来选择哪些样本对或三元组应该被用来更新网络的组件。训练器则是用来控制训练过程的组件。 为了方便用户理解和使用该库，PML官方提供了Google Colab示例。这些示例展示了包含日志记录和模型保存的整个训练/测试工作流程。 安装方面，用户可以通过pip命令来安装PML库。对于大多数用户来说，使用以下命令即可进行安装：`pip install pytorch-metric-learning`。如果用户想要安装最新开发版本，可以使用：`pip install pytorch-metric-learning==0.9.88`。在Windows平台上，可能还需要指定特定的PyTorch版本，例如使用以下命令：`pip install torch===1.4.0 torchvision===0.5.0 -f ***`。 此外，由于PML是基于PyTorch构建的，因此用户还需要安装PyTorch。在安装PML之前，用户需要先根据自己的操作系统和硬件环境安装好PyTorch。由于机器学习和深度学习领域发展迅速，推荐用户始终安装最新版本的PyTorch以获得最佳性能和最新的功能。 PML的版本控制遵循语义化版本命名规则（Semantic Versioning），即主版本号.次版本号.修订号。主版本号的增加意味着可能存在向后不兼容的更新，次版本号的增加表示添加了向后兼容的新功能，而修订号的增加则表示做了向后兼容的问题修正。 PML的源代码托管在GitHub上，压缩包子文件的名称为`pytorch-metric-learning-master`，表明用户下载的是包含最新开发代码的master分支。这通常意味着用户将获得所有最新的功能和更新，但使用最新代码也可能会遇到一些未被发现的bug。 在学习和使用PML时，用户应当熟悉以下几个核心概念： - 损失函数（Loss functions）：度量学习中用于计算预测值与真实值之间差异的函数。 - 矿工（Miners）：选择正样本对和负样本对的策略。 - 训练器（Trainers）：负责模型训练循环的组件。 熟悉这些概念将有助于用户更好地理解和应用PML库来解决实际问题。"