前置知识准备
Samplers — Open Metric Learning documentation
在该文档里，category表示类别，label表示商品，instance表示商品不同角度的图片。
- category就是blouses_shirts；
- label就是15；
- instance就是这5张图片；
balance sampler
每个label下pick等量的instance..
batch = allsamples // batch_size
batch_size = n_instances x n_labels
L个不同的label，我这里是L=500个。labels=40，instance=10。
| batch1 | 40/500，从500个商品中挑选40个商品； 10/40，再从40个商品中，每个label挑选10个图片 |
| batch2 | 40/(500-40) 10/40 |
| epoch ends | L//label 500//40=12.5=12（batch12） |
在一个epoch里，所有label将会被pick一次，但不意味着所有的instance都会被挑选。
每个epoch会过完所有的label，也就是会过完所有的商品，但只会过40*10*12张图片=4800张。
总共有31w的图片，要想31w/4800=64.5=64，想要全部图片看一次需要设置这里的epoch=64次，想要看多次则64*多次。
categroy sampler
L=500，n_label=10，batch=500//10=50，需要采50个batch，每个batch里10个商品*n_instance。
总共500个商品，每次挑10个商品角度图。每一个epoch会挑选完所有的500商品。
DistinctCategoryBalanceSampler
batch_size = n_instances x n_labels x n_categories
L个商品，C个类目，
| 1st batch | 采categrory个类目，在这些类目中，采label个商品，在这些商品中采instance个角度图片 |
| 2st batch |
从 |
| epoch end （自己设置的epoch size） |
1. 如果在epoch size前选择了所有的类目all the categories，则sampler重置。不保证epochsize结束前能遍历完所有的category，相反，如果遍历完所有类目，则再重新开始重复采样。
2. L&n_label=1，则这个剩下的商品会从batch中drop掉，因为需要成pairs。（再理解一下，如果 L % n_labels == 1 则必须删除其中一个label，因为我们总是希望拥有超过 1 个label，这里label是商品的意思。）
3. 被选择的category下的未使用label不够设置的量，那么会从已使用的label中再去重复采
