mindspore.ops.SmoothL1Loss

class mindspore.ops.SmoothL1Loss(beta=1.0, reduction='none')

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]