SoftMarginLoss

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

建立一個準則，用於最佳化輸入張量 $x$ 和目標張量 $y$（包含 1 或 -1）之間的兩類分類邏輯損失。

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

引數

• size_average (bool, 可選) – 已棄用（參見 reduction）。預設情況下，損失會在批次中的每個損失元素上求平均。請注意，對於某些損失函式，每個樣本可能有多個元素。如果欄位 size_average 設定為 False，則損失會改為對每個小批次求和。當 reduce 為 False 時，此引數被忽略。預設值: True

• reduce (bool, 可選) – 已棄用（參見 reduction）。預設情況下，損失會根據 size_average 對每個小批次中的觀測值求平均或求和。當 reduce 為 False 時，將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 正在被棄用，在此期間，指定這兩個引數中的任何一個都會覆蓋 reduction。預設值: 'mean'

形狀

• 輸入: $(*)$，其中 $*$ 表示任意維度數量。

• 目標: $(*)$，與輸入形狀相同。

• 輸出: 標量。如果 reduction 是 'none'，則為 $(*)$，形狀與輸入相同。