mindspore.ops.soft_margin_loss
===============================

.. py:function:: mindspore.ops.soft_margin_loss(input, target, reduction='mean')

    计算 `input` 和 `target` 之间的soft margin loss。

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

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

    其中 :math:`x.nelement()` 是 :math:`x` 的元素数量。

    .. warning::
        这是一个实验性API，后续可能修改或删除。

    参数：
        - **input** (Tensor) - 预测值。数据类型必须为float16或float32。
        - **target** (Tensor) - 真实标签，数据类型和shape与 `logits` 相同。
        - **reduction** (str，可选) - 对输出应用归约方法。可选值为 ``'none'`` 、 ``'mean'`` 或 ``'sum'`` ，分别表示不指定计算方式、使用均值计算和使用求和计算。默认值： ``'mean'`` 。

    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 `logits` 或 `labels` 不是Tensor。
        - **TypeError** - 如果 `logits` 或 `labels` 的数据类型既不是float16也不是float32。
        - **ValueError** - 如果 `logits` 与 `labels` 的shape不相同。
        - **ValueError** - 如果 `reduction` 不是 ``'none'`` 、 ``'mean'`` 或 ``'sum'`` 。