forked from mindspore-Ecosystem/mindspore
44 lines
1.6 KiB
ReStructuredText
44 lines
1.6 KiB
ReStructuredText
|
mindspore.ops.SmoothL1Loss
|
|||
|
|
==========================
|
|||
|
|
|
|||
|
|
.. py:class:: mindspore.ops.SmoothL1Loss(beta=1.0)
|
|||
|
|
|
|||
|
|
计算平滑L1损失，该L1损失函数有稳健性。
|
|||
|
|
|
|||
|
|
平滑L1损失是一种类似于MSELoss的损失函数，但对异常值相对不敏感。参阅论文 `Fast R-CNN <https://arxiv.org/abs/1504.08083>`_ 。
|
|||
|
|
|
|||
|
|
给定长度为 :math:`N` 的两个输入 `x` 和 `y` ，平滑L1损失的计算如下：
|
|||
|
|
|
|||
|
|
.. math::
|
|||
|
|
L_{i} =
|
|||
|
|
\begin{cases}
|
|||
|
|
\frac{0.5 (x_i - y_i)^{2}}{\beta}, & \text{if } |x_i - y_i| < \beta \\
|
|||
|
|
|x_i - y_i| - 0.5 * \beta, & \text{otherwise. }
|
|||
|
|
\end{cases}
|
|||
|
|
|
|||
|
|
其中， :math:`\beta` 代表阈值 `beta` 。 :math:`N` 为batch size。
|
|||
|
|
|
|||
|
|
.. warning::
|
|||
|
|
此运算符不对损失值执行"reduce"操作。
|
|||
|
|
如果需要，请调用其他reduce运算符对损失执行"reduce"操作。
|
|||
|
|
|
|||
|
|
**参数：**
|
|||
|
|
|
|||
|
|
- **beta** (float) - 控制损失函数在L1Loss和L2Loss间变换的阈值。默认值：1.0。
|
|||
|
|
|
|||
|
|
**输入：**
|
|||
|
|
|
|||
|
|
- **logits** (Tensor) - shape： :math:`(N, *)` ，其中 :math:`*` 表示任意数量的附加维度。数据类型支持float16或float32。
|
|||
|
|
- **labels** (Tensor) - shape： :math:`(N, *)` ，与 `logits` 的shape和数据类型相同。
|
|||
|
|
|
|||
|
|
**输出：**
|
|||
|
|
|
|||
|
|
Tensor，损失值，与 `logits` 的shape和数据类型相同。
|
|||
|
|
|
|||
|
|
**异常：**
|
|||
|
|
|
|||
|
|
- **TypeError** - `beta` 不是float类型。
|
|||
|
|
- **TypeError** - `logits` 或 `labels` 的数据类型非float16或float32。
|
|||
|
|
- **ValueError** - `beta` 小于或等于0。
|
|||
|
|
- **ValueError** - `logits` 与 `labels` 的shape不同。
|