文档反馈

问题文档片段

问题文档片段包含公式时,显示为空格。

提交类型
issue

有点复杂...

找人问问吧。

PR

小问题,全程线上修改...

一键搞定!

请选择提交类型

问题类型
规范和低错类

- 规范和低错类:

- 错别字或拼写错误,标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致,但不影响操作。

- 表述不通顺,但不影响理解。

- 版本号不匹配:如软件包名称、界面版本号。

易用性

- 易用性:

- 关键步骤错误或缺失,无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰,该分类、分项、分步骤的没有给出。

正确性

- 正确性:

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误,无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示:

- 对重要数据或系统存在风险的操作,缺少安全提示。

内容合规

- 内容合规:

- 违反法律法规,涉及政治、领土主权等敏感词。

- 内容侵权。

问题描述

请勾选同意隐私声明

mindspore.ops.TripletMarginLoss

查看源文件
class mindspore.ops.TripletMarginLoss(p=2, eps=1e-06, swap=False, reduction='mean')[源代码]

三元组损失函数。

创建一个标准,用于计算输入Tensor x1x2x3 与大于 0margin 之间的三元组损失值。 可以用来测量样本之间的相似度。一个三元组包含 apn (即分别代表示 anchorpositive examplesnegative examples )。 所有输入Tensor的shape都应该为 (N,D) 。 距离交换在V. Balntas、E. Riba等人的论文 Learning local feature descriptors with triplets and shallow convolutional neural networks 中有详细的阐述。

对于每个小批量样本,损失值为:

L(a,p,n)=max{d(ai,pi)d(ai,ni)+margin,0}

其中

d(xi,yi)=xiyip
参数:
  • p (int,可选) - 成对距离的范数。默认值: 2

  • eps (float,可选) - 默认值: 1e-6

  • swap (bool,可选) - 距离交换。默认值: False

  • 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: 'mean'

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

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

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

  • margin (Tensor) - 拉进 ap 之间的距离,拉远 an 之间的距离。

输出:

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

异常:
  • TypeError - xpositivenegative 或者 margin 不是Tensor。

  • TypeError - xpositive 或者 negative 的数据类型不是BasicType。

  • TypeError - xpositive 或者 negative 的数据类型不一致。

  • TypeError - margin 的数据类型不是float32。

  • 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 - xpositivenegative 的维度同时小于等于1。

  • ValueError - xpositivenegative 的维度大于等于8。

  • ValueError - margin 的shape长度不为0。

  • ValueError - xpositivenegative 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:

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> loss = ops.TripletMarginLoss()
>>> x = 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)
>>> margin = Tensor(1.0, mindspore.float32)
>>> output = loss(x, positive, negative, margin)
>>> print(output)
0.8881968