mindspore.nn.SoftMarginLoss
============================

.. py:class:: mindspore.nn.SoftMarginLoss(reduction='mean')

    针对二分类问题的损失函数。

    SoftMarginLoss用于计算输入Tensor :math:`x` 和目标值Tensor :math:`y` （包含1或-1）的二分类损失值。

    .. math::
        \text{loss}(x, y) = \sum_i \frac{\log(1 + \exp(-y[i]*x[i]))}{\text{x.nelement}()}

    :math:`x.nelement()` 代表 `x` 中元素的个数。

    **参数：**
	
    - **reduction** (str) - 指定应用于输出结果的计算方式。取值为"mean"，"sum"，或"none"。默认值："mean"。

    **输入：**

    - **logits** (Tensor) - 预测值，数据类型为float16或float32。
    - **labels** (Tensor) - 目标值，数据类型和shape与 `logits` 的相同。

    **输出：**

    Tensor或Scalar，如果 `reduction` 为"none"，其shape与 `logits` 相同。否则，将返回Scalar。

    **异常：**

    - **TypeError** - `logits` 或 `labels` 不是Tensor。
    - **TypeError** - `logits` 或 `labels` 的数据类型既不是float16也不是float32。
    - **ValueError** - `logits` 的shape与 `labels` 不同。
    - **ValueError** - `reduction` 不为"mean"，"sum"，或"none"。