当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python PyTorch MultiMarginLoss用法及代码示例


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')

参数

  • p(int,可选的) -默认值为 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 reduceFalse 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 reduceFalse 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_averagereduce 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 (2D 小批量 Tensor )和输出 (目标的 1D 张量)之间类索引, ):

对于每个小批量样本,一维输入 和标量输出 的损失为:

其中

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: ,其中 是批量大小, 是类数。

  • 目标: ,其中每个值为

  • 输出:标量。如果 reduction'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)

相关用法


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。