center_loss

paddle.fluid.layers.center_loss(input, label, num_classes, alpha, param_attr, update_center=True)[源代码]

该OP接收一个来自于最后一个隐藏层的输出和目标标签作为输入,返回损失值。为每一个类别提供一个类别中心,计算mini-batch中每个样本与对应类别中心的距离的平均值作为center loss。

对于输入,(X)和标签(Y),计算公式为:

\[out = \frac{1}{2}(X - Y)^2\]

参数:

  • input (Variable) - 输入形状为[N x M]的2维张量,数据类型为float32,float64。
  • label (Variable) - 输入的标签,一个形状为为[N x 1]的2维张量,N表示batch size,数据类型为int32。
  • num_class (int32) - 输入类别的数量。
  • alpha (float32|float64|Variable) - 学习率。数据类型为float32或者float64。
  • param_attr (ParamAttr) - 指定权重参数属性的对象。具体用法请参见 ParamAttr
  • update_center (bool) - 是否更新类别中心的参数。

返回:形状为[N x 1]的2维Tensor|LoDTensor。

返回类型:Variable

代码示例

import paddle.fluid as fluid

input = fluid.layers.data(name='x',shape=[20,30],dtype='float32')
label = fluid.layers.data(name='y',shape=[20,1],dtype='int64')
num_classes = 1000
alpha = 0.01
param_attr = fluid.initializer.Xavier(uniform=False)
center_loss=fluid.layers.center_loss(input=input,
    label=label,
    num_classes=1000,
    alpha=alpha,
    param_attr=fluid.initializer.Xavier(uniform=False),
    update_center=True)