center_loss

paddle.fluid.layers. center_loss ( input, label, num_classes, alpha, param_attr, update_center=True ) [源代码]

该OP接收一个来自于最后一个隐藏层的输出和目标标签作为输入，返回损失值。为每一个类别提供一个类别中心，计算mini-batch中每个样本与对应类别中心的距离的平均值作为center loss。

对于输入，(X)和标签(Y)，计算公式为：

\[out = \frac{1}{2}(X - Y)^2\]

参数

  • input (Variable) - 输入形状为[N x M]的2维张量，数据类型为float32，float64。

  • label (Variable) - 输入的标签，一个形状为为[N x 1]的2维张量，N表示batch size，数据类型为int32。

  • num_class (int32) - 输入类别的数量。

  • alpha (float32|float64|Variable) - 学习率。数据类型为float32或者float64。

  • param_attr (ParamAttr) - 指定权重参数属性的对象。具体用法请参见 ParamAttr 。

  • update_center (bool) - 是否更新类别中心的参数。

返回

形状为[N x 1]的2维Tensor|LoDTensor。

返回类型

Variable

代码示例

import paddle.fluid as fluid
import paddle
paddle.enable_static()

input = fluid.data(name='x',shape=[20,30],dtype='float32')
label = fluid.data(name='y',shape=[20,1],dtype='int64')
num_classes = 1000
alpha = 0.01
param_attr = fluid.initializer.Xavier(uniform=False)
center_loss=fluid.layers.center_loss(input=input,
       label=label,
       num_classes=1000,
       alpha=alpha,
       param_attr=fluid.initializer.Xavier(uniform=False),
       update_center=True)