SmoothL1Loss¶
计算输入 input
和标签 label
间的 SmoothL1 损失,如果逐个元素的绝对误差低于 1,则创建使用平方项的条件,否则为 L1 损失。在某些情况下,它可以防止梯度爆炸,也称为 Huber 损失,该损失函数的数学计算公式如下:
loss(x,y)=1n∑izi
zi 的计算公式如下:
zi={0.5(xi−yi)2if|xi−yi|<δδ∗|xi−yi|−0.5∗δ2otherwise
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
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。delta (str,可选) - SmoothL1Loss 损失的阈值参数 δ,用于控制 Huber 损失对线性误差或平方误差的侧重。数据类型为 float32。默认值为 1.0。
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,数据类型为 float32。其形状为 [N,C],其中 C 为类别数。对于多维度的情形下,它的形状为 [N,C,d1,d2,...,dk],k⩾。
label (Tensor):输入
input
对应的标签值,数据类型和input
相同。
返回¶
Tensor,计算 SmoothL1Loss 后的损失值。
代码示例¶
>>> import paddle
>>> paddle.seed(2023)
>>> input = paddle.rand([3, 3]).astype("float32")
>>> label = paddle.rand([3, 3]).astype("float32")
>>> loss = paddle.nn.SmoothL1Loss()
>>> output = loss(input, label)
>>> print(output)
Tensor(shape=[], dtype=float32, place=Place(cpu), stop_gradient=True,
0.08307374)