"tfa.losses.triplet_semihard_loss“是如何被调用的？

Question

在Tensorflow addons中，有两次提到三元组损失，一个是基类tfa.losses.triplet_semihard_loss，另一个是tfa.losses.TripletSemiHardLoss，它是由用户初始化的子类，反过来隐式地调用基类。在这段属于子类的代码中：

    def __init__(self, margin=1.0, name=None):
        super(TripletSemiHardLoss, self).__init__(
            name=name, reduction=tf.keras.losses.Reduction.NONE)
        self.margin = margin

    def call(self, y_true, y_pred):
        return triplet_semihard_loss(y_true, y_pred, self.margin)

我不明白call方法是怎么回事，它返回基类函数，给出了y_true和y_pred ndarray，但是它们到底是从哪里来的呢？根据Tensorflow文档指南，子类在模型compile语句中初始化为：

model.compile(
    optimizer=tf.keras.optimizers.Adam(0.001),
    loss=tfa.losses.TripletSemiHardLoss())

然后将模型拟合为：

history = model.fit(
    train_dataset,
    epochs=5)

train_dataset结构是一个包含嵌入数据和相应的整数标签的元组，但是子类如何认识到这是要操作的数据呢？那么call方法也是隐式调用的吗？

Answer 1

当类的实例被调用时，__call__被调用。y_true和y_pred分别包含真实的标签和模型预测的标签。Tensorflow(tf.keras)在内部将您提供给y_true的标签转换为看到的here，并使用model.fit()对数据进行训练。

所有tf.keras损失都是以这种形式实现的，即具有两个参数y_true和y_pred的函数，如here所示。