tensorflow center loss代码注释

def center_loss(features, label, alfa, nrof_classes):    """Center loss based on the paper "A Discriminative Feature Learning Approach for Deep Face Recognition"       (http://ydwen.github.io/papers/WenECCV16.pdf)    """    #获取特征向量长度    nrof_features = features.get_shape()[1]    #生成可以共享的变量centers，由于center loss在计算图中只存在于一个节点处，因此这个变量只使用一次    #不需要所谓的variable_scope，就可以实现每次共享？    centers = tf.get_variable('centers', [nrof_classes, nrof_features], dtype=tf.float32,        initializer=tf.constant_initializer(0), trainable=False)    label = tf.reshape(label, [-1])    #取出对应label下对应的center值，注意label里面的值可能会重复，因为一个标签下有可能会出现多个人    centers_batch = tf.gather(centers, label)    #求特征点到中心的距离并乘以一定的系数，alfa是center的更新速度，越大代表更新的越慢    diff = (1 - alfa) * (centers_batch - features)    #更新center，输出是将对应于label的centers减去对应的diff，如果同一个标签出现多次，那么就减去多次    centers = tf.scatter_sub(centers, label, diff)    #求center loss，这里是将l2_loss里面的值进行平方相加，再除以2，并没有进行开方    loss = tf.nn.l2_loss(features - centers_batch)    return loss, centers