rank_loss¶

paddle.fluid.layers. rank_loss ( label, left, right, name=None ) [源代码] ¶

该OP实现了RankNet模型中的排序损失层。RankNet是一种文档对（pairwise）排序模型，训练样本由一对文档（假设用A、B来表示）组成。标签（假设用P来表示）表示A的排名是否高于B。更多详情请参考：RankNet

排序损失层有三个输入：\(o_i\) 、 \(o_j\) 和 \(\tilde{P_{ij}}\)，输入分别表示RankNet模型对文档A、B的输出得分和标签P的值；排序损失层的输入是批输入数据（批大小大于等于1）；标签P的取值可以为：{0, 1} 或 {0, 0.5, 1}，其中，0.5表示输入文档对排序相同。输入数据的排序损失 \(C_{i,j}\) 计算过程如下：

\[ \begin{align}\begin{aligned}C_{i,j} &= -\tilde{P_{ij}} * o_{i,j} + \log(1 + e^{o_{i,j}})\\o_{i,j} &= o_i - o_j\\\tilde{P_{i,j}} &= \left \{0, 0.5, 1 \right \} \ or \ \left \{0, 1 \right \}\end{aligned}\end{align} \]

参数¶

label (Variable)：维度为 \([batch,1]\) 的2-D Tensor，数据类型为float32。其中batch表示批数据的大小。表示A的排名是否高于B。

left (Variable)：维度为 \([batch,1]\) 的2-D Tensor，数据类型为float32。其中batch表示批数据的大小。表示RankNet对文档A的输出得分。

right (Variable)：维度为 \([batch,1]\) 的2-D Tensor，数据类型为float32。其中batch表示批数据的大小。表示RankNet对文档B的输出得分。

name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回¶

表示排序损失层输出值的 Tensor，数据类型为float32，返回值维度为 \([batch,1]\) 。

返回类型¶

Variable

抛出异常¶

ValueError - 输入 label ， left，和 right 至少有一个不是 Variable 类型。

代码示例¶

          import paddle.fluid as fluid
import paddle
paddle.enable_static()
label = fluid.data(name="label", shape=[-1, 1], dtype="float32")
left = fluid.data(name="left", shape=[-1, 1], dtype="float32")
right = fluid.data(name="right", shape=[-1, 1], dtype="float32")
out = fluid.layers.rank_loss(label, left, right)

         