SoftMarginLoss

class torch.nn.SoftMarginLoss(size_average=None, reduce=None, reduction='mean')

创建一个准则，用于优化输入张量 $x$ 和目标张量 $y$（包含 1 或 -1）之间的两类分类逻辑损失。

$$\text{loss}(x, y) = \sum_i \frac{\log(1 + \exp(-y[i]*x[i]))}{\text{x.nelement}()}$$

参数

• size_average (bool, 可选) – 已弃用（参见 reduction）。默认情况下，损失会在批次中的每个损失元素上求平均。请注意，对于某些损失函数，每个样本可能有多个元素。如果字段 size_average 设置为 False，则损失会改为对每个小批次求和。当 reduce 为 False 时，此参数被忽略。默认值: True

• reduce (bool, 可选) – 已弃用（参见 reduction）。默认情况下，损失会根据 size_average 对每个小批次中的观测值求平均或求和。当 reduce 为 False 时，将返回每个批次元素的损失，并忽略 size_average`. 默认值: True

• reduction (str, 可选) – 指定应用于输出的归约方式：'none' | 'mean' | 'sum'。`'none'`：不应用归约，`'mean'`：输出的总和将除以输出中的元素数量，`'sum'`：输出将被求和。注意：size_average 和 reduce 正在被弃用，在此期间，指定这两个参数中的任何一个都会覆盖 reduction。默认值: 'mean'

形状

• 输入: $(*)$，其中 $*$ 表示任意维度数量。

• 目标: $(*)$，与输入形状相同。

• 输出: 标量。如果 reduction 是 'none'，则为 $(*)$，形状与输入相同。