HingeEmbeddingLoss#

class torch.nn.HingeEmbeddingLoss(margin=1.0, size_average=None, reduce=None, reduction='mean')[source]#

计算给定输入张量 $x$ 和标签张量 $y$ （包含 1 或 -1）的损失。这通常用于衡量两个输入是否相似或不相似，例如，使用 L1 成对距离作为 $x$ ，并且通常用于学习非线性嵌入或半监督学习。

mini-batch 中第 $n$ 个样本的损失函数为

l_n = \begin{cases} x_n, & \text{if}\; y_n = 1,\\ \max \{0, margin - x_n\}, & \text{if}\; y_n = -1, \end{cases}

总损失函数为

\ell(x, y) = \begin{cases} \operatorname{mean}(L), & \text{if reduction} = \text{‘mean’;}\\ \operatorname{sum}(L), & \text{if reduction} = \text{‘sum’.} \end{cases}

其中 $L = \{l_1,\dots,l_N\}^\top$

参数

margin (float, optional) – 默认值为 1。
size_average (bool, optional) – 已弃用（请参阅 reduction）。默认情况下，损失会针对批次中的每个损失元素进行平均。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量进行求和。当 reduce 为 False 时忽略。默认值：True
reduce (bool, optional) – 已弃用（请参阅 reduction）。默认情况下，损失会根据 size_average 的设置，针对每个小批量中的观测值进行平均或求和。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) – 指定要应用于输出的归约：'none' | 'mean' | 'sum'。'none'：不进行归约，'mean'：输出的总和除以输出中的元素数量，'sum'：对输出进行求和。注意：size_average 和 reduce 正在弃用中，在此期间，指定这两个参数中的任何一个都将覆盖 reduction。默认值：'mean'

形状

文档