About metric learning output embedding

[ElegantLee]

作者您好，论文中您在Unconditional Image Generation和Single Image Super-Resolution这两个任务上为netML设置了不同的output embedding(分别为10和32)，如何根据自己的任务来选择合适的output embedding呢？比如Image-to-Image translation这样的任务。

[dzld00]

这个问题我们也没有确切的答案，在一定范围内应该都是合理的。我们的一个经验是对于分布复杂的数据用高一些的维度可能更有利，对于分布简单的数据则不需要

[ElegantLee]

这个问题我们也没有确切的答案，在一定范围内应该都是合理的。我们的一个经验是对于分布复杂的数据用高一些的维度可能更有利，对于分布简单的数据则不需要

好的，感谢。另外，使用MVM进行训练，流行匹配的loss是下降的，度量学习部分的loss呈上升趋势，这是否意味着训练失败了？

[dzld00]

训练稳定的话mm_loss的确在下降，ml_loss在一定区间内振荡，如果不是的话训练可能就失败了，不过这是稳定训练的必要条件不是充分条件