MultiLabelSoftMarginLoss¶
- class torch.nn.MultiLabelSoftMarginLoss(weight=None, size_average=None, reduce=None, reduction='mean')[source]¶
创建一个标准,该标准基于最大熵优化输入 和目标 之间的多标签一对多损失,大小为 。对于小批量中的每个样本
其中 , .
- 参数
weight (张量, 可选) – 为每个类别赋予的手动重新缩放权重。如果给出,它必须是大小为 C 的张量。否则,将其视为所有权重都为 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
,则损失将对每个小批次求和。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
对每个小批次的观测值取平均值或求和。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缩减:
'none'
|'mean'
|'sum'
。'none'
:不应用任何缩减,'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 N 是批次大小,C 是类别的数量。
目标:,标签目标必须与输入具有相同的形状。
输出:标量。如果
reduction
为'none'
,则为 .