huber_loss¶

paddle.fluid.layers. huber_loss ( input, label, delta ) [源代码] ¶

该OP计算输入（input）与标签（label）之间的Huber损失。Huber损失是常用的回归损失之一，相较于平方误差损失，Huber损失减小了对异常点的敏感度，更具鲁棒性。

当输入与标签之差的绝对值大于delta时，计算线性误差:

\[huber\_loss = delta * (label - input) - 0.5 * delta * delta\]

当输入与标签之差的绝对值小于delta时，计算平方误差:

\[huber\_loss = 0.5 * (label - input) * (label - input)\]

参数:

input （Variable） - 输入的预测数据，维度为[batch_size, 1] 或[batch_size]的Tensor。数据类型为float32或float64。
label （Variable） - 输入的真实标签，维度为[batch_size, 1] 或[batch_size]的Tensor。数据类型为float32或float64。
delta （float） - Huber损失的阈值参数，用于控制Huber损失对线性误差或平方误差的侧重。数据类型为float32。

返回：计算出的Huber损失，数据维度和数据类型与label相同的Tensor。

返回类型: Variable

代码示例

import paddle.fluid as fluid
import numpy as np

DATATYPE='float32'
input_data = np.array([[1.],[2.],[3.],[4.]]).astype(DATATYPE)
label_data = np.array([[3.],[3.],[4.],[4.]]).astype(DATATYPE)

x = fluid.layers.data(name='input', shape=[1], dtype=DATATYPE)
y = fluid.layers.data(name='label', shape=[1], dtype=DATATYPE)
loss = fluid.layers.huber_loss(input=x, label=y, delta=1.0)

place = fluid.CPUPlace()
#place = fluid.CUDAPlace(0)
exe = fluid.Executor(place)
HuberLoss, = exe.run(feed={'input':input_data ,'label':label_data}, fetch_list=[loss.name])
print(HuberLoss)  #[[1.5], [0.5], [0.5], [0. ]], dtype=float32

PaddlePaddle

paddle.fluid / layers / huber_loss

huber_loss¶

PaddlePaddle

paddle

paddle.amp

paddle.callbacks

paddle.compat

paddle.distributed

paddle.distribution

paddle.fluid

paddle.io

paddle.jit

paddle.metric

paddle.nn

paddle.onnx

paddle.optimizer

paddle.regularizer

paddle.static

paddle.sysconfig

paddle.text

paddle.utils

paddle.vision

paddle.fluid / layers / huber_loss

huber_loss¶