margin_ranking_loss¶

paddle.nn.functional. margin_ranking_loss ( input, other, label, margin=0.0, reduction='mean', name=None ) [源代码] ¶

该算子计算输入input，other 和标签label间的 margin rank loss 损失。该损失函数的数学计算公式如下：

\[margin\_rank\_loss = max(0, -label * (input - other) + margin)\]

当 reduction 设置为 'mean' 时，

\[Out = MEAN(margin\_rank\_loss)\]

当 reduction 设置为 'sum' 时，

\[Out = SUM(margin\_rank\_loss)\]

当 reduction 设置为 'none' 时，直接返回最原始的 margin_rank_loss 。

参数¶

input （Tensor）：第一个输入的 Tensor ，数据类型为：float32、float64。

other （Tensor）：第二个输入的 Tensor ，数据类型为：float32、float64。

label （Tensor）：训练数据的标签，数据类型为：float32, float64。

margin （float，可选）： - 用于加和的margin值，默认值为0。

reduction （string，可选）： - 指定应用于输出结果的计算方式，可选值有: 'none' 、 'mean' 、 'sum' 。如果设置为 'none' ，则直接返回最原始的 margin_rank_loss 。如果设置为 'sum' ，则返回 margin_rank_loss 的总和。如果设置为 'mean' ，则返回 margin_rank_loss 的平均值。默认值为 'none' 。

name （str，可选） - 操作的名称(可选，默认值为None）。更多信息请参见 Name。

返回¶

Tensor, 如果 reduction 为 'sum' 或者是 'mean' ，则形状为 \([1]\) ，否则shape和输入 input 保持一致。数据类型与 input、 other 相同。

代码示例¶

import paddle

input = paddle.to_tensor([[1, 2], [3, 4]], dtype='float32')
other = paddle.to_tensor([[2, 1], [2, 4]], dtype='float32')
label = paddle.to_tensor([[1, -1], [-1, -1]], dtype='float32')
loss = paddle.nn.functional.margin_ranking_loss(input, other, label)
print(loss) # [0.75]

PaddlePaddle

paddle.nn / functional / margin_ranking_loss

margin_ranking_loss¶

参数¶

返回¶

代码示例¶

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.nn / functional / margin_ranking_loss

margin_ranking_loss¶

参数¶

返回¶

代码示例¶