快捷方式

HingeEmbeddingLoss

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

给定输入张量 xx 和标签张量 yy(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 xx,并且通常用于学习非线性嵌入或半监督学习。

小批量中第 nn 个样本的损失函数为

ln={xn,如果  yn=1,max{0,marginxn},如果  yn=1,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

(x,y)={mean(L),如果 reduction=‘mean’;sum(L),如果 reduction=‘sum’.\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={l1,,lN}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 reduceFalse 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 reduceFalse 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_averagereduce 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'none',则与输入形状相同

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源