npair_loss¶

paddle.fluid.layers. npair_loss ( anchor, positive, labels, l2_reg=0.002 ) [源代码] ¶

参考阅读 Improved Deep Metric Learning with Multi class N pair Loss Objective

NPair损失需要成对的数据。NPair损失分为两部分：第一部分是对嵌入向量进行L2正则化；第二部分是每一对数据的相似性矩阵的每一行和映射到ont-hot之后的标签的交叉熵损失的和。

参数:¶

anchor (Tensor) - 锚点图像的嵌入特征，形状为[batch_size, embedding_dims]的2-D Tensor 。数据类型：float32和float64。
positive (Tensor) - 正例图像的嵌入特征，形状为[batch_size, embedding_dims]的2-D Tensor 。数据类型：float32和float64。
labels (Tensor) - 标签向量，形状为[batch_size]的1-D Tensor 。数据类型：float32、float64和int64。
l2_reg (float) - 嵌入向量的L2正则化系数，默认：0.002。

返回:¶

经过npair loss计算之后的结果 Tensor 。

代码示例：

import paddle

DATATYPE = "float32"
anchor = paddle.rand(shape=(18, 6), dtype=DATATYPE)
positive = paddle.rand(shape=(18, 6), dtype=DATATYPE)
labels = paddle.rand(shape=(18,), dtype=DATATYPE)

npair_loss = paddle.nn.functional.npair_loss(anchor, positive, labels, l2_reg = 0.002)
print(npair_loss)

PaddlePaddle

paddle.nn / functional / npair_loss

npair_loss¶

参数:¶

返回:¶

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 / npair_loss

npair_loss¶

参数:¶

返回:¶