megengine.functional.nn.hinge_loss¶

hinge_loss(pred, label, norm='L1', reduction='mean')[源代码]¶

计算支持向量机 SVM 中经常使用的 hinge loss。

hinge loss 可以表示为：

\[loss(x, y) = \frac{1}{N}\sum_i\sum_j(max(0, 1 - x_{ij}*y_{ij}))\]

参数

pred (Tensor) – 表示预测概率的输入张量，形为 (N,C)。
label (Tensor) – 表示二分类标签的输入张量，形为 (N,C)。
norm (str) – 指定计算损失时采用的范数，应为 “L1” 或 “L2” 。
reduction (str) – 计算输出的模式：none | mean | sum。默认值为：mean。

返回类型

Tensor

返回

损失值。

实际案例

from megengine import tensor
import megengine.functional as F

pred = tensor([[0.5, -0.5, 0.1], [-0.6, 0.7, 0.8]], dtype="float32")
label = tensor([[1, -1, -1], [-1, 1, 1]], dtype="float32")
loss = F.nn.hinge_loss(pred, label)
print(loss.numpy())

输出：

1.5

megengine.functional.nn.square_loss

megengine.functional.nn.binary_cross_entropy