mindspore.ops.SoftMarginLoss

class mindspore.ops.SoftMarginLoss(reduction='mean')[源代码]

SoftMarginLoss操作。

一个二分类任务,计算输入 \(x\) 和真实标签 \(y\) (包含1或-1)之间的损失。

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

其中 \(x.nelement()\) 是x的元素数量。

参数:
  • reduction (str) - 指定输出结果的计算方式。可选值有:”none”、”mean”或”sum”。默认值:”mean”。

输入:
  • logits (Tensor) - 预测值。数据类型必须为float16或float32。

  • labels (Tensor) - 真实标签,数据类型和shape与 logits 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 - 如果 logitslabels 不是Tensor。

  • TypeError - 如果 logitslabels 的数据类型既不是float16也不是float32。

  • ValueError - 如果 logitslabels 的shape不相同。

  • ValueError - 如果 reduction 不是”none”、”mean”或”sum”。

支持平台:

Ascend GPU

样例:

>>> loss = ops.SoftMarginLoss()
>>> logits = Tensor(np.array([[0.3, 0.7], [0.5, 0.5]]), mindspore.float32)
>>> labels = Tensor(np.array([[-1, 1], [1, -1]]), mindspore.float32)
>>> output = loss(logits, labels)
>>> print(output)
0.6764238