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 \([]\)，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