FR-Loss-on-Mnist:Mnist，Pytorch实施中的人脸识别损失

Mn的FR损失 使用Pytorch实现不同的人脸识别损失。 在Mnist上进行测试和可视化。 这只是一个玩具示例，但对于理解和比较这些损失函数非常有用。 最近的更新数据 2020.1.14 ： 修复ArcFace中的一些错误 可视化测试数据而不是训练数据 为我们的QAMFace Loss添加支持 例子 生的 2D嵌入式功能 归一化特征 中心损失 球面 快速开始 依存关系 火炬> = 1.0（0.4可能也可以） tensorboardX> = 1.4 我强烈建议您使用Anaconda。 怎么跑 Net.py包括网络和丢失功能的实现 train.py包含培训和测试过程。 编辑名称以选择适当的损失函数。 关于该项目 我尝试使用相同的结构来实现不同的损失。 如果您有任何疑问或发现任何错误，请提交问题。 非常感谢！