bpr_loss¶

paddle.fluid.layers. bpr_loss ( input, label, name=None ) [源代码] ¶

贝叶斯个性化排序损失函数（Bayesian Personalized Ranking Loss Operator ）

该OP属于pairwise类型的损失函数。损失值由下式计算而得：

\[Y[i] = 1/(N[i] - 1) * \sum_j{\log(\sigma(X[i, Label[i]]-X[i, j]))}\]

其中：

\(X\)：输入值，一个形为[T x D]的2-D Tensor，此处为logit值。
\(N[i]\)：在时间步i的正例和负例的总和。
\(Label[i]\)：在时间步i的正例下标。
\(\sigma\)：激活函数。
\(Y\)：输出值，一个形为[T x 1]的2-D Tensor。

更多细节请参考 Session Based Recommendations with Recurrent Neural Networks

参数¶

input (Variable) - 形为[T x D] , Tensor类型时T为batch大小，LoDTensor类型时T为mini-batch的总时间步。D 为正例加负例的个数。该输入为logits而非概率。数据类型是float32或float64。

label (Variable) - 形为[T x 1]，表示input中正例的下标，数据类型为int64。。

name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回¶

形为[T x 1]的2D张量，数据类型同input相同，表示bpr损失值。

返回类型¶

Variable

代码示例¶

          import paddle.fluid as fluid
import paddle

paddle.enable_static()

neg_size = 10
label = fluid.data(
          name="label", shape=[3, 1], dtype="int64")
predict = fluid.data(
          name="predict", shape=[3, neg_size + 1], dtype="float32")
cost = fluid.layers.bpr_loss(input=predict, label=label)

         