SmoothL1Loss¶
该 OP 计算输入 input 和标签 label 间的 SmoothL1 损失，如果逐个元素的绝对误差低于 1，则创建使用平方项的条件 ，否则为 L1 损失。在某些情况下，它可以防止爆炸梯度，也称为 Huber 损失，该损失函数的数学计算公式如下：
\[loss(x,y) = \frac{1}{n}\sum_{i}z_i\]
`z_i`的计算公式如下：
\[\begin{split}\mathop{z_i} = \left\{\begin{array}{rcl} 0.5(x_i - y_i)^2 & & {if |x_i - y_i| < delta} \\ delta * |x_i - y_i| - 0.5 * delta^2 & & {otherwise} \end{array} \right.\end{split}\]
参数¶
reduction (string，可选): - 指定应用于输出结果的计算方式，数据类型为 string，可选值有：none, mean, sum。默认为 mean，计算 mini-batch loss 均值。设置为 sum 时，计算 mini-batch loss 的总和。设置为 none 时，则返回 loss Tensor。
delta (string，可选): SmoothL1Loss 损失的阈值参数，用于控制 Huber 损失对线性误差或平方误差的侧重。数据类型为 float32。默认值= 1.0。
name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。
输入¶
input (Tensor)：输入 Tensor，数据类型为 float32。其形状为 \([N, C]\)，其中 C 为类别数。对于多维度的情形下，它的形状为 \([N, C, d_1, d_2, ..., d_k]\)，k >= 1。
label (Tensor)：输入 input 对应的标签值，数据类型为 float32。数据类型和 input 相同。
返回¶
Tensor，计算 SmoothL1Loss 后的损失值。
代码示例¶
import paddle
input = paddle.rand([3, 3]).astype("float32")
label = paddle.rand([3, 3]).astype("float32")
loss = paddle.nn.SmoothL1Loss()
output = loss(input, label)
print(output)
# [0.049606]