HingeEmbeddingLoss

class torch.nn.modules.loss.HingeEmbeddingLoss(margin=1.0, size_average=None, reduce=None, reduction='mean') [исходный код]

Вычисляет функцию потерь для входного тензора $x$ и тензора меток $y$ (содержащего 1 или -1). Обычно она используется для определения того, похожи ли два входных значения или различаются, например, с помощью попарного расстояния L1 в качестве $x$, и, как правило, применяется для обучения нелинейным встраиваниям или полуконтролируемого обучения.

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 имеет вид

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

где $L = \{l_1,\dots,l_N\}^\top$.

Параметры:

• margin (float, необязательно) – По умолчанию имеет значение 1.
• size_average (bool, необязательно) – Устарел (см. reduction). По умолчанию потери усредняются по каждому элементу 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 потери суммируются для каждого мини-пакета. Игнорируется, если reduce равно False. По умолчанию: True
• reduce (bool, необязательно) – Устарел (см. reduction). По умолчанию потери усредняются или суммируются по наблюдениям для каждого мини-пакета в зависимости от size_average. Если reduce равно False, вместо этого возвращает потери для каждого элемента пакета и игнорирует size_average. По умолчанию: True
• reduction (str, необязательно) – Определяет применяемую к результату операцию сведения: 'none' | 'mean' | 'sum'. 'none': сведение не выполняется, 'mean': сумма выходных значений делится на количество элементов в выходных данных, 'sum': выходные значения суммируются. Примечание: size_average и reduce устаревают; пока что указание любого из этих двух аргументов переопределяет reduction. По умолчанию: 'mean'

Форма:

• Вход: $(*)$, где $*$ означает любое количество измерений. Операция суммирования выполняется по всем элементам.
• Целевое значение: $(*)$, той же формы, что и входной тензор
• Результат: скаляр. Если reduction равно 'none', то имеет ту же форму, что и входной тензор

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) [исходный код]

Выполняет прямой проход.

Тип возвращаемого значения:

Tensor