multi_margin_loss¶
- paddle.nn.functional. multi_margin_loss ( input, label, p: int = 1, margin: float = 1.0, weight=None, reduction: str = 'mean', name: str = None ) ¶
计算输入 input 和 label 间的多分类问题的 hinge loss 损失。
损失函数如果在没有的权重下计算每一个 mini-batch 的 loss 按照下列公式计算
其中 \(0 \leq j \leq \text{C}-1\), 且 \(j \neq label_i\), \(0 \leq i \leq \text{N}-1\) N 为 batch 数量, C 为类别数量。
如果含有权重 weight 则损失函数按以下公式计算
参数¶
input (Tensor) - \([N, C]\),其中 N 是 batch_size, C 是类别数量。数据类型是 float32、float64。
label (Tensor) - \([N, ]\)。标签
label
的数据类型为 int32、int64。p (int,可选) - 手动指定范数,默认为 1。
margin (float,可选) - 手动指定间距,默认为 1。
weight (Tensor,可选) - 权重值,默认为 None。如果给定则形状为 \([C, ]\)。
reduction (str,可选) - 指定应用于输出结果的计算方式,可选值有:
'none'
,'mean'
,'sum'
。默认为'mean'
,计算 Loss 的均值;设置为'sum'
时,计算 Loss 的总和;设置为'none'
时,则返回原始 Loss。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 (Tensor) - \([N, C ]\),其中 N 是 batch_size,C 是类别问题。数据类型是 float32、float64。
label (Tensor) - \([N, ]\),标签
label
的数据类型为 int32、int64。output (Tensor) - 输出的 Tensor。如果
reduction
是'none'
,则输出的维度为 \([N, ]\),与输入input
的形状相同。如果reduction
是'mean'
或'sum'
,则输出的维度为 \([]\) 。
返回¶
返回计算的 Loss。
代码示例¶
COPY-FROM: paddle.nn.functional.multi_margin_loss