SoftMarginLoss

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

创建一个标准，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（见 reduction）。默认情况下，损失在批次中的每个损失元素上平均。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，则损失会针对每个小批次进行累加。当 reduce 为 False 时忽略。默认值：True

• reduce (bool, 可选) – 已弃用（见 reduction）。默认情况下，损失会在每个小批次中根据 size_average 对观测值进行平均或累加。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, optional) – 指定应用于输出的缩减方式：'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'：输出将被求和。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将覆盖 reduction。默认值：'mean'

形状

• 输入：$(*)$，其中 $*$ 表示任意数量的维度。

• 目标：$(*)$，与输入相同的形状。

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