tf.contrib.losses.metric_learning.npairs_loss_multilabel

Вычисляет потерю npairs с данными multilabel.

tf.contrib.losses.metric_learning.npairs_loss_multilabel(
    sparse_labels, embeddings_anchor, embeddings_positive, reg_lambda=0.002,
    print_losses=False
)

Потеря npairs ожидает парные данные, где пара состоит из образцов с одинаковыми метками, а каждая пара в мини-пакете имеет разные метки. Потеря имеет две составляющие. Первая — L2-регуляризатор на векторах вложений. Вторая — сумма потерь кросс-энтропии, которая использует каждую строку матрицы парного сходства как логиты, а преобразованные метки one-hot — как метки. Здесь сходство определяется скалярным произведением между двумя векторами вложений. S_i,j = f(x_i)^T f(x_j)

Для обработки многомерных входных данных мы используем количество пересечений меток, т.е. L_i,j = | множество_меток_для(i) ∩ множество_меток_для(j) |. Затем мы нормализуем каждую строку матрицы меток подсчёта таким образом, чтобы сумма каждой строки равнялась единице.