38 lines
1.8 KiB
ReStructuredText
38 lines
1.8 KiB
ReStructuredText
mindspore.nn.CosineEmbeddingLoss
|
||
=================================
|
||
|
||
.. py:class:: mindspore.nn.CosineEmbeddingLoss(margin=0.0, reduction="mean")
|
||
|
||
余弦相似度损失函数，用于测量两个Tensor之间的相似性。
|
||
|
||
给定两个Tensor :math:`x1` 和 :math:`x2` ，以及一个Tensor标签 :math:`y` ，值为1或-1，公式如下：
|
||
|
||
.. math::
|
||
loss(x_1, x_2, y) = \begin{cases}
|
||
1-cos(x_1, x_2), & \text{if } y = 1\\
|
||
\max(0, cos(x_1, x_2)-margin), & \text{if } y = -1\\
|
||
\end{cases}
|
||
|
||
参数：
|
||
- **margin** (float) - 指定运算的调节因子，取值范围[-1.0, 1.0]。默认值： ``0.0`` 。
|
||
- **reduction** (str，可选) - 指定应用于输出结果的规约计算方式，可选 ``"none"`` 、 ``"mean"`` 、 ``"sum"`` ，默认值： ``"mean"`` 。
|
||
|
||
- ``"none"``：不应用规约方法。
|
||
- ``"mean"``：计算输出元素的平均值。
|
||
- ``"sum"``：计算输出元素的总和。
|
||
|
||
输入：
|
||
- **logits_x1** (Tensor) - 输入Tensor，shape :math:`(N, *)` ，其中 :math:`*` 代表任意数量的附加维度。
|
||
- **logits_x2** (Tensor) - 输入Tensor，shape :math:`(N, *)` 。shape和数据类型与 `logits_x1` 相同。
|
||
- **labels** (Tensor) - 输入值为1或-1。假设 `logits_x1` 的shape是 :math:`(x_1, x_2, x_3, ..., x_R)` ，那么 `labels` 的shape必须是 :math:`(x_1, x_3, x_4, ..., x_R)` 。
|
||
|
||
输出：
|
||
Tensor或Scalar，如果 `reduction` 为"none"，其shape与 `labels` 相同。否则，将返回为Scalar。
|
||
|
||
异常：
|
||
- **TypeError** - `margin` 不是float。
|
||
- **ValueError** - `reduction` 不为 ``"none"`` 、 ``"mean"`` 或 ``"sum"`` 。
|
||
- **ValueError** - `margin` 的值不在范围[-1.0, 1.0]内。
|
||
|
||
|