MarginRankingLoss

class paddle.nn. MarginRankingLoss ( margin=0.0, reduction='mean', name=None ) [源代码]

创建一个 MarginRankingLoss 的可调用类,计算输入 input,other 和 标签 label 间的 margin rank loss 损失。

该损失函数的数学计算公式如下:

\[margin\_rank\_loss = max(0, -label * (input - other) + margin)\]

reduction 设置为 'mean' 时,

\[Out = MEAN(margin\_rank\_loss)\]

reduction 设置为 'sum' 时,

\[Out = SUM(margin\_rank\_loss)\]

reduction 设置为 'none' 时,直接返回最原始的 margin_rank_loss

参数

  • margin (float,可选): - 用于加和的 margin 值,默认值为 0。

  • reduction (string,可选): - 指定应用于输出结果的计算方式,可选值有:'none''mean''sum'。如果设置为 'none',则直接返回 最原始的 margin_rank_loss。如果设置为 'sum',则返回 margin_rank_loss 的总和。如果设置为 'mean',则返回 margin_rank_loss 的平均值。默认值为 'none'

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

形状

  • input - N-D Tensor,维度是[N,*] 其中 N 是 batch size,* 是任意数量的额外维度,数据类型为 float32 或 float64。

  • other - 与 input 的形状、数据类型相同。

  • label - 与 input 的形状、数据类型相同。

  • output - 如果 reduction'sum' 或者是 'mean',则形状为 \([1]\),否则 shape 和输入 input 保持一致。数据类型与 inputother 相同。

返回

返回计算 MarginRankingLoss 的可调用对象。

代码示例

import paddle

input = paddle.to_tensor([[1, 2], [3, 4]], dtype="float32")
other = paddle.to_tensor([[2, 1], [2, 4]], dtype="float32")
label = paddle.to_tensor([[1, -1], [-1, -1]], dtype="float32")
margin_rank_loss = paddle.nn.MarginRankingLoss()
loss = margin_rank_loss(input, other, label)

print(loss)
# [0.75]