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')[源代码]
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。
- 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:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, ops >>> 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