软间隔损失 ¶

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

创建一个标准，优化输入张量 $x$ 和目标张量 $y$ （包含 1 或-1）之间的二分类逻辑损失。

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

参数:

• size_average（布尔值，可选）- 已弃用（参见 reduction ）。默认情况下，损失会在批次的每个损失元素上平均。注意，对于某些损失，每个样本可能有多个元素。如果字段 size_average 设置为 False ，则损失将改为对每个 minibatch 求和。当 reduce 为 False 时，将被忽略。默认： True

• reduce（布尔值，可选）- 已弃用（参见 reduction ）。默认情况下，损失会在每个 minibatch 的观测上平均或求和，具体取决于 size_average 。当 reduce 为 False 时，将返回每个批次的损失，并忽略 size_average 。默认： True

• reduction（字符串，可选）- 指定应用于输出的缩减方式： 'none' | 'mean' | 'sum' 。 'none' ：不应用缩减， 'mean' ：输出总和将除以输出中的元素数量， 'sum' ：输出将被求和。注意： size_average 和 reduce 正在被弃用，在此期间，指定这两个参数之一将覆盖 reduction 。默认： 'mean'

形状：

• 输入： $(*)$ ，其中 $*$ 表示任意数量的维度。

• 目标： $(*)$ ，与输入形状相同。

• 输出：标量。如果 reduction 是 'none' ，则 $(*)$ ，与输入形状相同。