HingeEmbeddingLoss

class torch.nn.HingeEmbeddingLoss(margin=1.0, size_average=None, reduce=None, reduction='mean')

给定输入张量 $x$ 和标签张量 $y$（包含 1 或 -1）测量损失。这通常用于测量两个输入是否相似或不相似，例如使用 L1 对间距作为 $x$，并且通常用于学习非线性嵌入或半监督学习。

小批量中第 $n$ 个样本的损失函数为

$$l_n = \begin{cases} x_n, & \text{如果}\; y_n = 1,\\ \max \{0, margin - x_n\}, & \text{如果}\; y_n = -1, \end{cases}$$

并且总损失函数为

$$\ell(x, y) = \begin{cases} \operatorname{mean}(L), & \text{如果 reduction} = \text{`mean';}\\ \operatorname{sum}(L), & \text{如果 reduction} = \text{`sum'.} \end{cases}$$

其中 $L = \{l_1,\dots,l_N\}^\top$.

参数

• margin (浮点数, 可选) – 默认值为 1。

• size_average (布尔值, 可选) – 已弃用（参见 reduction）。默认情况下，损失在批次中的每个损失元素上取平均值。请注意，对于某些损失，每个样本有多个元素。如果字段 size_average 设置为 False，则损失将针对每个小批量求和。当 reduce 为 False 时忽略。默认值：True

• reduce (布尔值, 可选) – 已弃用（参见 reduction）。默认情况下，损失根据 size_average 在每个小批量的观测值上取平均值或求和。当 reduce 为 False 时，返回每个批次元素的损失，并忽略 size_average。默认值：True

• reduction (字符串, 可选) – 指定要应用于输出的约简：'none' | 'mean' | 'sum'。 'none'：不应用任何约简，'mean'：输出的总和将除以输出中的元素数量，'sum'：输出将求和。注意：size_average 和 reduce 正在被弃用，同时，指定这两个参数中的任何一个都将覆盖 reduction。默认值：'mean'

形状

• 输入: $(*)$，其中 $*$ 表示任意数量的维度。求和运算作用于所有元素。

• 目标: $(*)$，与输入形状相同

• 输出: 标量。如果 reduction 为 'none'，则与输入形状相同