PaddlePaddle

 paddle.nn / functional / npair_loss


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)

此页内容是否对您有帮助