MultiLabelSoftMarginLoss

class paddle.nn. MultiLabelSoftMarginLoss ( weight: Optional = None, reduction: str = 'mean', name: str = None ) [源代码]

创建一个 MultiLabelSoftMarginLoss 的可调用类，MultiLabelSoftMarginLoss 计算输入 input 和 label 间的 margin-based loss 损失。

损失函数按照下列公式计算

\[\text{loss}(x, y) = \sum_{ij}\frac{\max(0, 1 - (x[y[j]] - x[i]))}{\text{x.shape}(0)}\]

如果添加权重则再乘以对应的权重值

最后，会添加 reduce 操作到前面的输出 Out 上。当 reduction 为 none 时，直接返回最原始的 Out 结果。当 reduction 为 mean 时，返回输出的均值 \(Out = MEAN(Out)\) 。当 reduction 为 sum 时，返回输出的求和 \(Out = SUM(Out)\) 。

参数

  • weight (Tensor，可选) - 手动设定权重，默认为 None

  • 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 Name，一般无需设置，默认值为 None。

输入

  • input (Tensor)：输入 Tensor，维度是 [N, *], 其中 N 是 batch size， * 是任意数量的额外维度。数据类型为：float32、float64。

  • label (Tensor)：标签，维度是 [N, *], 与 input 相同，Tensor 中的值应该只包含 1 和 -1。数据类型为：float32、float64。

形状

  • input (Tensor)： \([N, *]\) , 其中 N 是 batch_size， * 是任意其他维度。数据类型是 float32、float64。

  • label (Tensor)： \([N, *]\) ，标签 label 的维度、数据类型与输入 input 相同。

  • output (Tensor)： 输出的 Tensor。如果 reduction 是 'none', 则输出的维度为 \([N, *]\) , 与输入 input 的形状相同。如果 reduction 是 'mean' 或 'sum', 则输出的维度为 \([]\) 。

返回

返回计算 MultiLabelSoftMarginLoss 的可调用类。

代码示例

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

>>> input = paddle.to_tensor([[1, -2, 3], [0, -1, 2], [1, 0, 1]], dtype=paddle.float32)
>>> label = paddle.to_tensor([[-1, 1, -1], [1, 1, 1], [1, -1, 1]], dtype=paddle.float32)

>>> multi_label_soft_margin_loss = nn.MultiLabelSoftMarginLoss(reduction='none')
>>> loss = multi_label_soft_margin_loss(input, label)
>>> print(loss)
Tensor(shape=[3], dtype=float32, place=Place(cpu), stop_gradient=True,
[3.49625897, 0.71111226, 0.43989015])

>>> multi_label_soft_margin_loss = nn.MultiLabelSoftMarginLoss(reduction='mean')
>>> loss = multi_label_soft_margin_loss(input, label)
>>> print(loss)
Tensor(shape=[], dtype=float32, place=Place(cpu), stop_gradient=True,
1.54908717)

使用本API的教程文档