teacher_student_sigmoid_loss¶

paddle.fluid.layers. teacher_student_sigmoid_loss ( input, label, soft_max_up_bound=15.0, soft_max_lower_bound=- 15.0 ) [源代码] ¶

Teacher Student Log Loss Layer（教师--学生对数损失层）

定制化需求，用于student萃取teacher的值。此图层接受输入预测和目标标签，并返回teacher_student损失。 z表示是否点击，z'表示teacher q值。label取值范围{-2，-1，[0, 2]} teacher q值不存在时，点击时label为-1，否则为-2。 teacher q值存在时，点击时label为z'，否则为1 + z'。

\[loss = max(x, 0) - x * z + log(1 + exp(-abs(x))) + max(x, 0) - x * z' + log(1 + exp(-abs(x)))\]

其中：

\(x\)：预测输入值。
\(z\)：是否点击。
\(z'\) ：teacher q值。

参数¶

input (Variable) – 形状为[N x 1]的2-d Tensor，其中N是批大小batch size。该输入是由前一个运算计算而得的概率，数据类型为float32或者float64。

label (Variable) – 具有形状[N x 1]的2-d Tensor的真实值，其中N是批大小batch_size，数据类型为float32或者float64。

soft_max_up_bound (float) – 若input > soft_max_up_bound，输入会被向下限制。默认为15.0 。

soft_max_lower_bound (float) – 若input < soft_max_lower_bound，输入将会被向上限制。默认为-15.0 。

返回¶

具有形状[N x 1]的2-D Tensor，teacher_student_sigmoid_loss。

返回类型¶

Variable

代码示例¶

          import paddle.fluid as fluid
import paddle
paddle.enable_static()
batch_size = 64
label = fluid.data(
          name="label", shape=[batch_size, 1], dtype="int64")
similarity = fluid.data(
          name="similarity", shape=[batch_size, 1], dtype="float32")
cost = fluid.layers.teacher_student_sigmoid_loss(input=similarity, label=label)

         