SoftMarginLoss

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

建立一個標準，用以優化輸入張量 $x$ 和目標張量 $y$ (包含 1 或 -1) 之間的雙類別分類 Logistic 損失。

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

參數

• 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進行平均。 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，則會針對每個小批次將損失加總。 當 reduce 為 False 時會忽略。 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進行平均或加總。 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) – 指定要套用至輸出的縮減方式： 'none' | 'mean' | 'sum'。 'none'：不套用任何縮減， 'mean'：輸出總和將除以輸出中的元素數， 'sum'：輸出將加總。 注意： size_average 和 reduce 正在逐步淘汰中，同時，指定這兩個參數中的任何一個都會覆寫 reduction。 預設值： 'mean'

形狀

• 輸入： $(*)$，其中 $*$ 表示任意數量的維度。

• 目標： $(*)$，與輸入相同的形狀。

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