SoftMarginLoss¶
- class torch.nn.SoftMarginLoss(size_average=None, reduce=None, reduction='mean')[source]¶
创建一个标准,优化输入张量 和目标张量 (包含 1 或 -1)之间的两类分类逻辑损失。
- 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。