HingeEmbeddingLoss¶
- class torch.nn.HingeEmbeddingLoss(margin=1.0, size_average=None, reduce=None, reduction='mean')[source]¶
给定输入张量 和标签张量 (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 ,并且通常用于学习非线性嵌入或半监督学习。
小批量中第 个样本的损失函数为
并且总损失函数为
其中 .
- 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