HingeEmbeddingLoss

class torch.nn.HingeEmbeddingLoss(margin=1.0, size_average=None, reduce=None, reduction='mean')

計算給定輸入張量 $x$ 和標籤張量 $y$（包含 1 或 -1）時的損失。這通常用於衡量兩個輸入是否相似或不相似，例如使用 L1 成對距離作為 $x$。它通常用於學習非線性嵌入或半監督學習。

迷你批次中第 $n$ 個樣本的損失函式為

$$l_n = \begin{cases} x_n, & \text{if}\; y_n = 1,\\ \max \{0, margin - x_n\}, & \text{if}\; y_n = -1, \end{cases}$$

總損失函式為

$$\ell(x, y) = \begin{cases} \operatorname{mean}(L), & \text{if reduction} = \text{`mean';}\\ \operatorname{sum}(L), & \text{if reduction} = \text{`sum'.} \end{cases}$$

其中 $L = \{l_1,\dots,l_N\}^\top$。

引數

• margin (float, 可選) – 預設值為 1。

• size_average (bool, 可選) – 已棄用（參見 reduction）。預設情況下，批次中的每個損失元素都被平均。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，則每個迷你批次的損失將改為求和。當 reduce 為 False 時忽略。預設值：True

• reduce (bool, 可選) – 已棄用（參見 reduction）。預設情況下，根據 size_average 對每個迷你批次的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，並忽略 size_average。預設值：True

• reduction (str, 可選) – 指定應用於輸出的歸約方式：'none' | 'mean' | 'sum'。'none'：不應用歸約；'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 正在棄用過程中，同時，指定這兩個引數中的任何一個將覆蓋 reduction。預設值：'mean'

形狀

• 輸入：$(*)$，其中 $*$ 表示任意數量的維度。求和操作作用於所有元素。

• 目標：$(*)$，與輸入形狀相同

• 輸出：標量。如果 reduction 是 'none'，則形狀與輸入相同。