SoftMarginLoss

class torch.nn.modules.loss.SoftMarginLoss(size_average=None, reduce=None, reduction='mean')

创建一个标准，用于优化输入 Tensor $x$ 和目标 Tensor $y$（包含 1 或 -1）之间的二分类逻辑损失。

$$\text{loss}(x, y) = \sum_i \frac{\log(1 + \exp(-y[i]*x[i]))}{\text{x.nelement}()}$$

参数

• size_average (bool, optional) – 已弃用 (参见 reduction)。默认情况下，损失值在批次中的每个损失元素上取平均值。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，则损失值在每个小批次中而是求和。当 reduce 为 False 时忽略。默认值：True

• reduce (bool, optional) – 已弃用 (参见 reduction)。默认情况下，损失值在每个小批次中根据 size_average 对观测值进行平均或求和。当 reduce 为 False 时，返回每个批次元素的损失值，并忽略 size_average。默认值：True

• reduction (str, optional) – 指定要应用于输出的规约： 'none' | 'mean' | 'sum'。 'none': 不应用规约， 'mean': 输出的总和将除以输出中的元素数量， 'sum': 输出将被求和。注意： size_average 和 reduce 正在被弃用，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

• 输入： $(*)$，其中 $*$ 表示任意数量的维度。

• 目标：$(*)$，与输入形状相同。

• 输出：标量。如果 reduction 为 'none'，则 $(*)$，与输入形状相同。

forward(input, target)

执行前向传播。

返回类型

张量