Функция потери TripletMarginLoss

class torch.nn.TripletMarginLoss(margin=1.0, p=2.0, eps=1e-06, swap=False, size_average=None, reduce=None, reduction='mean') [source]

Создаёт критерий, измеряющий потерю триплета, заданный входными тензорами $x1$, $x2$, $x3$ и порогом, значение которого больше $0$. Используется для измерения относительной схожести между выборками. Триплет состоит из a, p и n (т.е., anchor, positive examples и negative examples соответственно). Форматы всех входных тензоров должны быть $(N, D)$.

Подробное описание перестановки расстояний представлено в статье Learning shallow convolutional feature descriptors with triplet losses В. Балнтаса, Э. Рибы и др.

Функция потерь для каждой выборки в мини-пакетной выборке:

$$L(a, p, n) = \max \{d(a_i, p_i) - d(a_i, n_i) + {\rm margin}, 0\}$$

где

$$d(x_i, y_i) = \left\lVert {\bf x}_i - {\bf y}_i \right\rVert_p$$

См. также TripletMarginWithDistanceLoss, который вычисляет потерю триплетного порога для входных тензоров с помощью настраиваемой функции расстояния.

Параметры:

• margin (float, необязательно) – Значение по умолчанию: $1$.
• p (int, необязательно) – Степень нормы для парного расстояния. Значение по умолчанию: $2$.
• swap (bool, необязательно) – Перестановка расстояний подробно описана в статье Learning shallow convolutional feature descriptors with triplet losses В. Балнтаса, Э. Рибы и др. Значение по умолчанию: False.
• size_average (bool, необязательно) – Устарело (см. reduction). По умолчанию потери усредняются по каждому элементу потерь в пакете. Обратите внимание, что для некоторых потерь несколько элементов на образец. Если поле size_average установлено в False, потери вместо этого суммируются для каждого мини-пакета. Игнорируется, когда reduce имеет значение False. Значение по умолчанию: True
• reduce (bool, необязательно) – Устарело (см. reduction). По умолчанию потери усредняются или суммируются по наблюдениям для каждого мини-пакета в зависимости от size_average. Когда reduce имеет значение False, возвращает потерю на элемент пакета и игнорирует size_average. Значение по умолчанию: True
• reduction (str, необязательно) – Указывает уменьшение, которое применяется к выходу: 'none' | 'mean' | 'sum'. 'none': не применяется уменьшение, 'mean': сумма выхода делится на количество элементов в выходе, 'sum': выход суммируется. Примечание: size_average и reduce находятся в процессе устаревания, и в это время указание одного из этих двух аргументов переопределит reduction. Значение по умолчанию: 'mean'

Форма:

• Вход: $(N, D)$ или $(D)$ где $D$ — размерность вектора.
• Выход: Тензор формы $(N)$, если reduction равно 'none' и форма входа $(N, D)$; скаляр в противном случае.

Примеры:

>>> triplet_loss = nn.TripletMarginLoss(margin=1.0, p=2)
>>> anchor = torch.randn(100, 128, requires_grad=True)
>>> positive = torch.randn(100, 128, requires_grad=True)
>>> negative = torch.randn(100, 128, requires_grad=True)
>>> output = triplet_loss(anchor, positive, negative)
>>> output.backward()