mindspore.ops.SmoothL1Loss
- class mindspore.ops.SmoothL1Loss(beta=1.0, reduction='none')[源代码]
计算平滑L1损失,该L1损失函数有稳健性。
更多参考详见
mindspore.ops.smooth_l1_loss()
。- 参数:
beta (number,可选) - 控制损失函数在L1损失和L2损失间变换的阈值,默认值:
1.0
。Ascend: 该值必须大于等于0。
CPU/GPU: 该值必须大于0。
reduction (str,可选) - 指定应用于输出结果的规约计算方式,可选
'none'
、'mean'
、'sum'
,默认值:'none'
。"none"
:不应用规约方法。"mean"
:计算输出元素的平均值。"sum"
:计算输出元素的总和。
- 输入:
logits (Tensor) - 任意维度输入Tensor。支持数据类型:
Ascend:float16、float32、bfloat16。
CPU/GPU: float16、float32、float64。
labels (Tensor) - 真实值。
CPU/Ascend: 与 logits 的shape相同, logits 和 labels 遵循隐式类型转换规则,使数据类型一致。
GPU: 与 logits 的shape和数据类型相同。
- 输出:
Tensor,如果 reduction 为'none',则输出为Tensor且与 input 的shape相同。否则shape为 \(()\)。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, ops >>> loss = ops.SmoothL1Loss() >>> logits = Tensor(np.array([1, 2, 3]), mindspore.float32) >>> labels = Tensor(np.array([1, 2, 2]), mindspore.float32) >>> output = loss(logits, labels) >>> print(output) [0. 0. 0.5]