Python PyTorch MarginRankingLoss用法及代碼示例

本文簡要介紹python語言中 torch.nn.MarginRankingLoss 的用法。

用法:

class torch.nn.MarginRankingLoss(margin=0.0, size_average=None, reduce=None, reduction='mean')

參數：

• margin(float,可選的) -默認值為 0 。

• size_average(bool,可選的) -已棄用(請參閱reduction)。默認情況下，損失是批次中每個損失元素的平均值。請注意，對於某些損失，每個樣本有多個元素。如果字段 size_average 設置為 False ，則會對每個小批量的損失求和。當 reduce 為 False 時忽略。默認值：True

• reduce(bool,可選的) -已棄用(請參閱reduction)。默認情況下，根據 size_average 對每個小批量的觀察結果進行平均或求和。當 reduce 是 False 時，返回每個批次元素的損失並忽略 size_average 。默認值：True

• reduction(string,可選的) -指定要應用於輸出的縮減：'none' | 'mean' | 'sum' 。 'none' ：不應用減少，'mean'：輸出的總和將除以輸出中的元素數，'sum'：輸出將被求和。注意：size_average 和 reduce 正在被棄用，同時，指定這兩個參數中的任何一個都將覆蓋 reduction 。默認值：'mean'

創建一個標準來衡量給定輸入 x1 、 x2 、兩個 1D mini-batch Tensors 和標簽 1D mini-batch 張量 y (包含 1 或 -1)的損失。

如果 y = 1 則假定第一個輸入的排名應高於第二個輸入(具有更大的值)，反之亦然 y = -1 。

小批量中每對樣本的損失函數為：

\text{loss}(x1, x2, y) = \max(0, -y * (x1 - x2) + \text{margin})

形狀：

• 輸入 1：(N) 其中 N 是批量大小。

• Input2：(N)，與 Input1 的形狀相同。

• 目標：(N)，與輸入的形狀相同。

• 輸出：標量。如果 reduction 是 'none' ，那麽 (N) 。

例子：

>>> loss = nn.MarginRankingLoss()
>>> input1 = torch.randn(3, requires_grad=True)
>>> input2 = torch.randn(3, requires_grad=True)
>>> target = torch.randn(3).sign()
>>> output = loss(input1, input2, target)
>>> output.backward()