[ torch 参数更多 ]torch.nn.MultiMarginLoss

torch.nn.MultiMarginLoss

torch.nn.MultiMarginLoss(p=1, margin=1.0, weight=None, size_average=None, reduce=None, reduction='mean')

paddle.nn.MultiMarginLoss

paddle.nn.MultiMarginLoss(p: int = 1, margin: float = 1.0, weight=None, reduction: str = 'mean', name: str = None)

PyTorch 相比 Paddle 支持更多其他参数，具体如下：

参数映射

PyTorch PaddlePaddle 备注
p p 手动指定幂次方指数大小，默认为 1。
margin margin 手动指定间距，默认为 1。
weight weight 权重值，默认为 None。 如果给定权重则形状为 [C,]。
size_average - 已废弃（可用 reduction 代替）。表示是否采用 batch 中各样本 loss 平均值作为最终的 loss。如果置 False，则采用加和作为 loss。默认为 True，paddle 需要转写。
reduce - 已废弃（可用 reduction 代替）。表示是否采用输出单个值作为 loss。如果置 False，则每个元素输出一个 loss 并忽略 size_average。默认为 True，paddle 需要转写。
reduction reduction 指定应用于输出结果的计算方式，可选值有 none、mean 和 sum。默认为 mean，计算 mini-batch loss 均值。设置为 sum 时，计算 mini-batch loss 的总和。设置为 none 时，则返回 loss Tensor。默认值下为 mean。

转写示例

size_average/reduce：对应到 reduction 为 sum

# PyTorch 写法
torch.nn.MultiMarginLoss(p=1, margin=1.0, weight=w, size_average=False, reduce=True)
torch.nn.MultiMarginLoss(p=1, margin=1.0, weight=w, size_average=False)

# Paddle 写法
paddle.nn.MultiMarginLoss(p=1, margin=1.0, weight=w, reduction='sum')

size_average/reduce：对应到 reduction 为 mean

# PyTorch 写法
torch.nn.MultiMarginLoss(p=1, margin=1.0, weight=w, size_average=True, reduce=True)
torch.nn.MultiMarginLoss(p=1, margin=1.0, weight=w, reduce=True)
torch.nn.MultiMarginLoss(p=1, margin=1.0, weight=w, size_average=True)
torch.nn.MultiMarginLoss(p=1, margin=1.0, weight=w)

# Paddle 写法
paddle.nn.MultiMarginLoss(p=1, margin=1.0, weight=w, reduction='mean')

size_average/reduce：对应到 reduction 为 none

# PyTorch 写法
torch.nn.MultiMarginLoss(p=1, margin=1.0, weight=w, size_average=True, reduce=False)
torch.nn.MultiMarginLoss(p=1, margin=1.0, weight=w, size_average=False, reduce=False)
torch.nn.MultiMarginLoss(p=1, margin=1.0, weight=w, reduce=False)

# Paddle 写法
paddle.nn.MultiMarginLoss(p=1, margin=1.0, weight=w, reduction='none')