mindspore.ops.triplet_margin_loss

mindspore.ops.triplet_margin_loss(anchor, positive, negative, margin=1.0, p=2, eps=1e-06, swap=False, reduction='mean')

三元组损失函数。 详情请查看 mindspore.nn.TripletMarginLoss 。

参数：

• anchor (Tensor) - 从训练集随机选取的样本。数据类型为BasicType。

• positive (Tensor) - 与 anchor 为同一类的样本，数据类型与shape与 anchor 一致。

• negative (Tensor) - 与 anchor 为异类的样本，数据类型与shape与 anchor 一致。

• margin (float，可选) - 用于拉进 anchor 和 positive 之间的距离，拉远 anchor 和 negative 之间的距离。默认值： 1.0 。

• p (int，可选) - 成对距离的范数。默认值： 2 。

• eps (float，可选) - 防止除数为 0。默认值： 1e-06 。

• swap (bool，可选) - 距离交换。默认值： False 。

• reduction (str，可选) - 指定要应用于输出的缩减方式，取值为 'mean' 、 'sum' 或 'none' 。默认值： 'mean' 。

返回：

Tensor。如果 reduction 为”none”，其shape为 \((N)\)。否则，将返回Scalar。

异常：

• TypeError - anchor 、 positive 或者 negative 不是Tensor。

• TypeError - anchor 、 positive 或者 negative 的数据类型不一致。

• TypeError - margin 的数据类型不是float。

• TypeError - p 的数据类型不是int。

• TypeError - eps 的数据类型不是float。

• TypeError - swap 的数据类型不是bool。

• ValueError - anchor 、 positive 和 negative 的维度同时小于等于1。

• ValueError - anchor 、 positive 或 negative 的维度大于等于8。

• ValueError - anchor 、 positive 和 negative 三者之间的shape无法广播。

• ValueError - reduction 不为”mean”、”sum”或”none”。

支持平台：

GPU

样例：

>>> anchor = Tensor(np.array([[0.3, 0.7], [0.5, 0.5]]), mindspore.float32)
>>> positive = Tensor(np.array([[0.4, 0.6], [0.4, 0.6]]), mindspore.float32)
>>> negative = Tensor(np.array([[0.2, 0.9], [0.3, 0.7]]), mindspore.float32)
>>> output = ops.triplet_margin_loss(anchor, positive, negative)
>>> print(output)
0.8881968