margin_ranking_loss¶
- paddle.nn.functional. margin_ranking_loss ( input, other, label, margin=0.0, reduction='mean', name=None ) [源代码] ¶
计算输入 input,other 和 标签 label 间的 margin rank loss 损失。该损失函数的数学计算公式如下:
\[margin\_rank\_loss = max(0, -label * (input - other) + margin)\]
当 reduction 设置为 'mean'
时,
\[Out = MEAN(margin\_rank\_loss)\]
当 reduction 设置为 'sum'
时,
\[Out = SUM(margin\_rank\_loss)\]
当 reduction 设置为 'none'
时,直接返回最原始的 margin_rank_loss 。
参数¶
input (Tensor) - 第一个输入的 Tensor,数据类型为:float32、float64。
other (Tensor) - 第二个输入的 Tensor,数据类型为:float32、float64。
label (Tensor) - 训练数据的标签,数据类型为:float32、float64。
margin (float,可选) - 用于加和的 margin 值,默认值为 0。
reduction (string,可选) - 指定应用于输出结果的计算方式,可选值有:
'none'
、'mean'
、'sum'
。如果设置为'none'
,则直接返回 最原始的margin_rank_loss
。如果设置为'sum'
,则返回margin_rank_loss
的总和。如果设置为'mean'
,则返回margin_rank_loss
的平均值。默认值为'none'
。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¶
Tensor,如果 reduction
为 'sum'
或者是 'mean'
,则形状为 \([1]\),否则 shape 和输入 input 保持一致。数据类型与 input
、 other
相同。
代码示例¶
import paddle
input = paddle.to_tensor([[1, 2], [3, 4]], dtype='float32')
other = paddle.to_tensor([[2, 1], [2, 4]], dtype='float32')
label = paddle.to_tensor([[1, -1], [-1, -1]], dtype='float32')
loss = paddle.nn.functional.margin_ranking_loss(input, other, label)
print(loss) # [0.75]