SoftMarginLoss

class torch.nn.modules.loss.SoftMarginLoss(size_average=None, reduce=None, reduction='mean')

建立一個標準，用於最佳化輸入 Tensor $x$ 和目標 Tensor $y$（包含 1 或 -1）之間的二分類邏輯損失。

$$\text{loss}(x, y) = \sum_i \frac{\log(1 + \exp(-y[i]*x[i]))}{\text{x.nelement}()}$$

引數

• size_average (bool, optional) – 已棄用 (參見 reduction)。預設情況下，損失值在批次中的每個損失元素上取平均值。請注意，對於某些損失，每個樣本有多個元素。如果欄位 size_average 設定為 False，則損失值在每個小批次中而是求和。當 reduce 為 False 時忽略。預設值：True

• reduce (bool, optional) – 已棄用 (參見 reduction)。預設情況下，損失值在每個小批次中根據 size_average 對觀測值進行平均或求和。當 reduce 為 False 時，返回每個批次元素的損失值，並忽略 size_average。預設值：True

• reduction (str, optional) – 指定要應用於輸出的規約： 'none' | 'mean' | 'sum'。 'none': 不應用規約， 'mean': 輸出的總和將除以輸出中的元素數量， 'sum': 輸出將被求和。注意： size_average 和 reduce 正在被棄用，在此期間，指定這兩個引數中的任何一個都將覆蓋 reduction。預設值： 'mean'

形狀

• 輸入： $(*)$，其中 $*$ 表示任意數量的維度。

• 目標：$(*)$，與輸入形狀相同。

• 輸出：標量。如果 reduction 為 'none'，則 $(*)$，與輸入形狀相同。

forward(input, target)

執行前向傳播。

返回型別

張量