mindspore.ops.SmoothL1Loss

class mindspore.ops.SmoothL1Loss(beta=1.0, reduction='none')[源代码]

计算平滑L1损失,该L1损失函数有稳健性。

更多参考详见 mindspore.ops.smooth_l1_loss()

参数:
  • beta (float,可选) - 控制损失函数在L1损失和L2损失间变换的阈值,该值应大于零。默认值: 1.0

  • reduction (str,可选) - 指定应用于输出结果的规约计算方式,可选 'none''mean''sum' ,默认值: 'none'

    • "none":不应用规约方法。

    • "mean":计算输出元素的平均值。

    • "sum":计算输出元素的总和。

输入:
  • logits (Tensor) - 任意维度输入Tensor。数据类型支持float16或float32。

  • labels (Tensor) - 真实值。shape和数据类型 与 logits 相同。

输出:

Tensor,损失值,与 logits 的shape和数据类型相同。

支持平台:

Ascend GPU CPU

样例:

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> loss = ops.SmoothL1Loss()
>>> logits = Tensor(np.array([1, 2, 3]), mindspore.float32)
>>> labels = Tensor(np.array([1, 2, 2]), mindspore.float32)
>>> output = loss(logits, labels)
>>> print(output)
[0.  0.  0.5]