分析contrasive loss和triplet loss

contrastive loss 和 triplet loss 的作用类似，都是想办法拉近同类样本距离，拉远异类样本距离。

triplet loss 的痛点在于每次只看一个负类的距离，没有考虑其他所有负类的情况，这就导致了在随机产生的数据对中，每一个数据对并不能有效的保证当前优化的方向能够拉远所有负类样本的距离，这就导致了往往训练过程中的收敛不稳定或者陷入局部最优。