MultiLabelMarginLoss

class paddle.nn. MultiLabelMarginLoss ( reduction='mean', name=None ) [源代码]

创建一个 MultiLabelMarginLoss 的可调用类。通过计算输入 input 和 label 间的多类别多分类问题的 hinge loss (margin-based loss) 损失。

损失函数计算每一个 mini-batch 的 loss 按照下列公式计算

\[\text{loss}(input_i, label_i) = \frac{\sum_{j \in \text{valid_labels}} \sum_{k \neq \text{valid_labels}} \max(0, 1 - (input_i[\text{valid_labels}[j]] - input_i[k]))}{C}\]

其中 \(C\) 是类别数量， \(\text{valid_labels}\) 包含样本 \(i\) 所有非负的标签索引（遇到第一个 -1 时停止），\(k\) 遍历除了 \(\text{valid_labels}\) 之外的所有类别索引。

该损失函数只考虑前面的非负标签值，允许不同样本具有不同数量的目标类别。

参数

  • reduction (str，可选) - 指定应用于输出结果的计算方式，可选值有：'none'、'mean'、'sum'。默认为 'mean'，计算 Loss 的均值；设置为 'sum' 时，计算 Loss 的总和；设置为 'none' 时，则返回原始 Loss。

  • name (str，可选) - 具体用法请参见 api_guide_Name，一般无需设置，默认值为 None。

调用参数

  • input (Tensor) - 数据类型是 float32、float64。

  • label (Tensor) - 标签的数据类型为 int32、int64。标签值应该是类别索引（非负值）和 -1 值。-1 值会被忽略并停止处理每个样本。

形状

  • input (Tensor) - \([N, C]\)，其中 N 是 batch_size， C 是类别数量。

  • label (Tensor) - \([N, C]\)，与 input 形状相同。

  • output (Tensor) - 输出的 Tensor。如果 reduction 是 'none'，则输出的维度为 \([N]\)。如果 reduction 是 'mean' 或 'sum'，则输出的维度为 \([]\) 。

返回

返回计算 MultiLabelMarginLoss 的可调用对象。

代码示例

>>> import paddle
>>> import paddle.nn as nn

>>> input = paddle.to_tensor([[0.1, 0.2, 0.4, 0.8], [0.2, 0.5, 0.3, 0.1]], dtype='float32')
>>> label = paddle.to_tensor([[3, 0, -1, -1], [0, 2, -1, -1]], dtype='int64')

>>> multi_label_margin_loss = nn.MultiLabelMarginLoss(reduction='mean')
>>> loss = multi_label_margin_loss(input, label)
>>> print(loss)
Tensor(shape=[], dtype=float32, place=Place(cpu), stop_gradient=True,
       0.94999999)

使用本API的教程文档