用于笔迹鉴别的双胞胎网络基准

最近我在研究孪生网络用于笔迹鉴别任务。传送门https://github.com/sorenbouma/keras-oneshot让我可以直接访问项目的GitHub仓库，并在那里下载到源代码、相关论文以及实验数据集。除了提供源代码外，在GitHub上还分享了相关论文以及实验数据集。

1、 设计网络

该网络是传统的卷积层+池化层的组合，具体如下图

2、 获取训练数据

get_batch

在介绍如何获取训练数据之前，请先介绍一下数据集的相关信息。该数据集合总共包含N个文件夹（每个文件夹），其中每个单独的文件夹内部又包含了M幅图片（每幅图片）。同一文件夹内的文字内容是由同一个人书写的（具体来说），不同文件夹则分别对应不同的书写人（具体来说）。将整个数据集合划分为训练集和测试集：其中\frac{2}{3}的数据量即\frac{2N}{3}个文件夹用于构建训练集；剩下的\frac{1}{3}的数据量即\frac{N}{3}个文件夹则用于构建测试集。

首先设定batch_size的大小，在实验过程中将batch_size设定为