对比损失
Contrasive loss即对比损失，性质比较有趣，简单记录之。
Contrasive Loss
图像检索任务中，经常会用到对比损失，该损失可以跟如下intuition对齐，即相同label的图像距离越近越好，不同label的图像距离越远越好，看如下Loss的巧妙设计。
- label=1 距离d越小，loss越小
- label=0 距离d越大，loss越小，超过margin，loss为零
优化上述Loss，那么模型参数的调整可以使相同label的样本更近，不同label的样本更远。
Contrastive Loss is often used in image retrieval tasks to learn discriminative features for images. The margin term is used to “tighten” the constraint: if two images in a pair are dissimilar, then their distance shoud be at least margin, or a loss will be incurred.
基于距离的Loss可以借鉴该思路，比如DSSM中，有了query和doc的embedding向量，是否可构造contrasive loss训练，使query和相关doc距离更近，和不相关query距离更远？
