本文简要介绍python语言中 torch.nn.MultiMarginLoss
的用法。
用法:
class torch.nn.MultiMarginLoss(p=1, margin=1.0, weight=None, size_average=None, reduce=None, reduction='mean')
p(int,可选的) -默认值为 。 和 是唯一受支持的值。
margin(float,可选的) -默认值为 。
weight(Tensor,可选的) -给每个类一个手动重新调整的权重。如果给定,它必须是大小为
C
的张量。否则,它被视为拥有所有的。size_average(bool,可选的) -已弃用(请参阅
reduction
)。默认情况下,损失是批次中每个损失元素的平均值。请注意,对于某些损失,每个样本有多个元素。如果字段size_average
设置为False
,则会对每个小批量的损失求和。当reduce
为False
时忽略。默认值:True
reduce(bool,可选的) -已弃用(请参阅
reduction
)。默认情况下,根据size_average
对每个小批量的观察结果进行平均或求和。当reduce
是False
时,返回每个批次元素的损失并忽略size_average
。默认值:True
reduction(string,可选的) -指定要应用于输出的缩减:
'none'
|'mean'
|'sum'
。'none'
:不应用减少,'mean'
:输出的总和将除以输出中的元素数,'sum'
:输出将被求和。注意:size_average
和reduce
正在被弃用,同时,指定这两个参数中的任何一个都将覆盖reduction
。默认值:'mean'
创建一个优化多类分类铰链损失(基于边的损失)的标准,该标准位于输入
Tensor
)和输出 (目标的 1D 张量)之间类索引, ): (2D 小批量对于每个小批量样本,一维输入 和标量输出 的损失为:
其中 和 。
或者,您可以通过将 1D
weight
张量传递给构造函数来对类赋予不相等的权重。损失函数则变为:
- 形状:
输入: 或 ,其中 是批量大小, 是类数。
目标: 或 ,其中每个值为 。
输出:标量。如果
reduction
是'none'
,则形状与目标相同。
例子:
>>> loss = nn.MultiMarginLoss() >>> x = torch.tensor([[0.1, 0.2, 0.4, 0.8]]) >>> y = torch.tensor([3]) >>> loss(x, y) >>> # 0.25 * ((1-(0.8-0.1)) + (1-(0.8-0.2)) + (1-(0.8-0.4))) tensor(0.3250)
参数:
相关用法
- Python PyTorch MultiStepLR用法及代码示例
- Python PyTorch MultiLabelMarginLoss用法及代码示例
- Python PyTorch MultiplicativeLR用法及代码示例
- Python PyTorch MultiheadAttention用法及代码示例
- Python PyTorch MultivariateNormal用法及代码示例
- Python PyTorch MultiScaleRoIAlign用法及代码示例
- Python PyTorch MultiheadAttentionContainer.__init__用法及代码示例
- Python PyTorch Multiplexer用法及代码示例
- Python PyTorch Multinomial用法及代码示例
- Python PyTorch MuLawEncoding用法及代码示例
- Python PyTorch MuLawDecoding用法及代码示例
- Python PyTorch MaxUnpool3d用法及代码示例
- Python PyTorch Module.buffers用法及代码示例
- Python PyTorch Module.register_full_backward_hook用法及代码示例
- Python PyTorch Module.named_modules用法及代码示例
- Python PyTorch Module.parameters用法及代码示例
- Python PyTorch MaxPool1d用法及代码示例
- Python PyTorch Module.register_forward_hook用法及代码示例
- Python PyTorch MetaInferGroupedPooledEmbeddingsLookup.state_dict用法及代码示例
- Python PyTorch Module.named_parameters用法及代码示例
- Python PyTorch MetaInferGroupedEmbeddingsLookup.named_buffers用法及代码示例
- Python PyTorch ModuleList用法及代码示例
- Python PyTorch MixtureSameFamily用法及代码示例
- Python PyTorch MpSerialExecutor用法及代码示例
- Python PyTorch MaxUnpool1d用法及代码示例
注:本文由纯净天空筛选整理自pytorch.org大神的英文原创作品 torch.nn.MultiMarginLoss。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。