文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.multi_margin_loss

mindspore.ops.multi_margin_loss(input, target, p=1, margin=1, weight=None, reduction='mean')

用于优化多分类问题的合页损失。

优化输入和输出之间的多级分类合页损耗（基于边缘损失）。

对于每个小批量样本，1D输入 $x$ 和标量输出 $y$ 的损失为：

$$\text{loss}(x,y)=\frac{\sum _{i}max(0,\text{margin}-x[y]+x[i]{)}^p}{\text{x.size}(0)}$$

其中 $i\in \{0,\cdots ,x.size(0)-1\}$ 并且 $i\ne y$。

参数：

• input (Tensor) - 输入，shape为 $(N,C)$。数据类型只支持float32、float16或float64。即上述公式中的 $x$ 。

• target (Tensor) - 真实标签，shape为 $(N,)$。数据类型只支持int64。值应为非负值，且小于C。即上述公式中的 $y$ 。

• p (int, 可选) - 对偶距离的范数度。必须为1或2。默认 1 。

• margin (int, 可选) - 改变对偶距离的参数。默认 1 。

• weight (Tensor, 可选) - 每个类别的缩放权重，shape为 $(C,)$。数据类型只支持float32、float16或float64。默认 None 。

• reduction (str，可选) - 指定应用于输出结果的规约计算方式。可选值为 'none' 、 'mean' 、 'sum' 。默认 'mean' 。

  • "none"：不应用规约方法。

  • "mean"：计算输出元素的加权平均值。

  • "sum"：计算输出元素的总和。

返回：

• outputs - 当 reduction 为"none"时，类型为Tensor，shape和 target 相同。否则，为标量。

异常：

• TypeError - p 或者 target 数据类型不是int。

• TypeError - margin 数据类型不是int。

• TypeError - reduction 数据类型不是str。

• TypeError - input 数据类型不是以下之一：float16、float、float64。

• TypeError - weight 和 input 的数据类型不相同。

• ValueError - p 的值不是以下之一：1、2。

• ValueError - reduction 的值不是以下之一：{"none","sum","mean"}。

• ValueError - input 的shape[0]和 target 的shape[0]不相等。

• ValueError - input 的shape[1]和 weight 的shape[0]不相等。

• ValueError - 如果有以下情形： weight 的维度不是1、 target 的维度不是1、 input 的维度不是2。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> inputs = Tensor(np.ones(shape=[3, 3]), mindspore.float32)
>>> target = Tensor(np.array([1, 2, 1]), mindspore.int64)
>>> weight = Tensor(np.array([1, 1, 1]), mindspore.float32)
>>> output = ops.multi_margin_loss(inputs, target, weight=weight)
>>> print(output)
0.6666667