小编Pra*_*K R的帖子

我正在尝试实施Google的Facenet论文:

首先,是否可以使用Keras的Sequential API实现本文,还是应该使用Graph API？

在这两种情况下,你能告诉我我如何通过自定义损失函数tripletLoss的模型编译和我怎么接受anchor embedding,positive embedding并negative embedding作为参数计算的损失？

另外,在model.fit()中应该是第二个参数Y,在这种情况下我没有...

0
|
0__1__0
|  |  |
1__1__0
   |
   1

假设我有一个无向图.我们有这些条件:

1. 您只能删除标记为"1"的节点.

2. 删除任何节点都不能使图形成为林

我们被允许删除多个节点,但必须满足上述条件.

计算上述过程可以生成的不同树(无根)的数量.请注意,这里没有"root"这样的东西.我们只计算不同的结构.

对于上述情况,答案是4,因为:

0
|
0     0
|     |
1__1__0        ------> #1
   |
   1

0
|
0     0
|     |        -------> #2
1__1__0


0
|
0__1__0
|     |       ---------> #3
1     0

0
|
0__1__0       ---------> #4
      |
      0

我将不胜感激任何帮助或提示.

(如果图形已经是树,我们仍然可以删除节点以获取新树,但需遵守上述条件)