mindspore.nn.HingeEmbeddingLoss
- class mindspore.nn.HingeEmbeddingLoss(margin=1.0, reduction='mean')[源代码]
Hinge Embedding 损失函数。按输入元素计算输出。衡量输入张量x和标签y（包含1或-1）之间的损失值。通常被用来衡量两个输入之间的相似度。
mini-batch中的第n个样例的损失函数为：
\[\begin{split}l_n = \begin{cases} x_n, & \text{if}\; y_n = 1,\\ \max \{0, \Delta - x_n\}, & \text{if}\; y_n = -1, \end{cases}\end{split}\]总损失值为：
\[\begin{split}\ell(x, y) = \begin{cases} \operatorname{mean}(L), & \text{if reduction} = \text{'mean';}\\ \operatorname{sum}(L), & \text{if reduction} = \text{'sum'.} \end{cases}\end{split}\]其中 \(L = \{l_1,\dots,l_N\}^\top\)。
- 参数：
margin (float) - Hinge Embedding Loss公式定义的阈值 \(margin\)。公式中表示为 \(\Delta\)。默认值：1.0。
reduction (str) - 指定应用于输出结果的计算方式，’none’、’mean’、’sum’，默认值：’mean’。
- 输入：
logits (Tensor) - 预测值，公式中表示为 \(x\)，shape为 \((*)\)。* 代表着任意数量的维度。
labels (Tensor) - 标签值，公式中表示为 \(y\)，和 logits 具有相同shape，包含1或-1。
- 返回：
Tensor或Tensor scalar，根据 \(reduction\) 计算的loss。
- 异常：
TypeError - logits 不是Tensor。
TypeError - labels 不是Tensor。
TypeError - margin 不是float。
ValueError - labels 和 logits shape不一致。
ValueError - reduction 不是”none”、”mean”或者”sum”。
- 支持平台：
AscendGPUCPU