HingeEmbeddingLoss

class torch.nn.HingeEmbeddingLoss(margin=1.0, size_average=None, reduce=None, reduction='mean') [source]

Вычисляет функцию потерь для входного тензора $x$ и тензора меток $y$ (содержащего 1 или -1). Обычно эта функция используется для определения того, являются ли два входных значения похожими или различными, например, с использованием попарного L1-расстояния в качестве $x$, и, как правило, применяется для обучения нелинейным встраиваниям или в обучении с частичным привлечением учителя.

Функция потерь для $n$-го образца в мини-пакете имеет вид

$$l_n = \begin{cases} x_n, & \text{if}\; y_n = 1,\\ \max \{0, margin - x_n\}, & \text{if}\; y_n = -1, \end{cases}$$

а общая функция потерь равна

$$\ell(x, y) = \begin{cases} \operatorname{mean}(L), & \text{if reduction} = \text{`mean';}\\ \operatorname{sum}(L), & \text{if reduction} = \text{`sum'.} \end{cases}$$

где $L = \{l_1,\dots,l_N\}^\top$.

Параметры:

• margin (float, необязательно) – Значение по умолчанию: 1.
• size_average (bool, необязательно) – Устарело (см. reduction). По умолчанию значения потерь усредняются по всем элементам потерь в пакете. Обратите внимание, что для некоторых функций потерь на образец приходится несколько элементов. Если для поля size_average задано значение False, вместо этого значения потерь суммируются для каждого мини-пакета. Игнорируется, если reduce равно False. Значение по умолчанию: True
• reduce (bool, необязательно) – Устарело (см. reduction). По умолчанию значения потерь усредняются или суммируются по наблюдениям для каждого мини-пакета в зависимости от size_average. Если reduce равно False, вместо этого возвращает значение потерь для каждого элемента пакета и игнорирует size_average. Значение по умолчанию: True
• reduction (str, необязательно) – Определяет способ сведения выходных данных: 'none' | 'mean' | 'sum'. 'none': сведение не выполняется, 'mean': сумма выходных данных делится на количество элементов в выходных данных, 'sum': выходные данные суммируются. Примечание: size_average и reduce устаревают; пока что указание любого из этих двух аргументов переопределяет reduction. Значение по умолчанию: 'mean'

Форма:

• Входные данные: $(*)$, где $*$ означает любое количество измерений. Операция суммирования выполняется по всем элементам.
• Целевые данные: $(*)$, той же формы, что и входные данные
• Выходные данные: скаляр. Если reduction равно 'none', то имеет ту же форму, что и входные данные

Примеры

>>> loss = nn.HingeEmbeddingLoss()
>>> input = torch.randn(3, 5, requires_grad=True)
>>> target = torch.randn(3, 5).sign()
>>> output = loss(input, target)
>>> output.backward()

forward(input, target) [source]

Выполняет прямой проход.

Тип возвращаемого значения:

Tensor