forked from mindspore-Ecosystem/mindspore
33 lines
1.7 KiB
ReStructuredText
33 lines
1.7 KiB
ReStructuredText
|
mindspore.nn.MarginRankingLoss
|
|||
|
|
===============================
|
|||
|
|
|
|||
|
|
.. py:class:: mindspore.nn.MarginRankingLoss(margin=0.0, reduction='mean')
|
|||
|
|
|
|||
|
|
排序损失函数，用于创建一个衡量给定损失的标准。
|
|||
|
|
|
|||
|
|
给定两个Tensor :math:`x1` 和 :math:`x2` ，以及一个Tensor标签 :math:`y` ，值为1或-1，公式如下：
|
|||
|
|
|
|||
|
|
.. math::
|
|||
|
|
\text{loss}(x1, x2, y) = \max(0, -y * (x1 - x2) + \text{margin})
|
|||
|
|
|
|||
|
|
参数：
|
|||
|
|
- **margin** (float) - 指定运算的调节因子。默认值：0.0。
|
|||
|
|
- **reduction** (str) - 指定输出结果的计算方式。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"。
|
|||
|
|
|
|||
|
|
输入：
|
|||
|
|
- **input1** (Tensor) - 输入Tensor，shape :math:`(N,*)` ，其中 `*` 代表任意数量的附加维度。
|
|||
|
|
- **input2** (Tensor) - 输入Tensor，shape :math:`(N,*)` 。shape和数据类型与 `input1` 相同。
|
|||
|
|
- **target** (Tensor) - 输入值为1或-1。假设 `input1` 的shape是 :math:`(x_1, x_2, x_3, ..., x_R)` ，那么 `labels` 的shape必须是 :math:`(x_1, x_3, x_4, ..., x_R)` 。
|
|||
|
|
|
|||
|
|
输出：
|
|||
|
|
Tensor或Scalar，如果 `reduction` 为"none"，其shape与 `labels` 相同。否则，将返回为Scalar。
|
|||
|
|
|
|||
|
|
异常：
|
|||
|
|
- **TypeError** - `margin` 不是float。
|
|||
|
|
- **TypeError** - `input1` ，`input2` 和 `target` 不是Tensor。
|
|||
|
|
- **TypeError** - `input1` 和 `input2` 类型不一致。
|
|||
|
|
- **TypeError** - `input1` 和 `target` 类型不一致。
|
|||
|
|
- **ValueError** - `input1` 和 `input2` shape不一致。
|
|||
|
|
- **ValueError** - `input1` 和 `target` shape不一致。
|
|||
|
|
- **ValueError** - `reduction` 不为"none"，"mean"或"sum"。
|