HingeEmbeddingLoss

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

根據輸入張量 $x$ 和標籤張量 $y$ (包含 1 或 -1) 來計算損失。這通常用於衡量兩個輸入是否相似或相異，例如使用 L1 成對距離作為 $x$，並且通常用於學習非線性嵌入或半監督學習。

小批量中第 $n$ 個樣本的損失函數為

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

總損失函數為

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

其中 $L = \{l_1,\dots,l_N\}^\top$。

參數

• margin (float, optional) – 預設值為 1。

• size_average (bool, optional) – 已棄用 (請參閱 reduction)。 預設情況下，損失會在批次中的每個損失元素上取平均。 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，則會將每個小批次的損失加總。 當 reduce 為 False 時，此參數會被忽略。 預設值： True

• reduce (bool, optional) – 已棄用 (請參閱 reduction)。 預設情況下，損失會根據 size_average 在每個小批次的觀察值上取平均或加總。 當 reduce 為 False 時，會改為傳回每個批次元素的損失，並忽略 size_average。 預設值： True

• reduction (str, optional) – 指定要應用於輸出的歸約方式： 'none' | 'mean' | 'sum'. 'none': 不會應用任何歸約， 'mean': 輸出總和將除以輸出中的元素數量， 'sum': 輸出將被加總。 注意： size_average 和 reduce 正在被棄用，在此期間，指定這兩個參數中的任何一個都會覆蓋 reduction。 預設值： 'mean'

形狀

• 輸入： $(*)$，其中 $*$ 代表任意數量的維度。 總和運算會對所有元素進行運算。

• 目標： $(*)$，與輸入形狀相同

• 輸出：純量。 如果 reduction 為 'none'，則與輸入形狀相同