.. py:function:: paddle.fluid.layers.bpr_loss(input, label, name=None)
贝叶斯个性化排序损失函数（Bayesian Personalized Ranking Loss Operator ）
该OP属于pairwise类型的损失函数。损失值由下式计算而得:
Y[i] = 1/(N[i] - 1) * \sum_j{\log(\sigma(X[i, Label[i]]-X[i, j]))}
- 其中：
- X ：输入值，一个形为[T x D]的2-D Tensor, 此处为logit值。
- N[i] ： 在时间步i的正例和负例的总和。
- Label[i] ：在时间步i的正例下标。
- \sigma ：激活函数。
- Y ：输出值，一个形为[T x 1]的2-D Tensor。
更多细节请参考 Session Based Recommendations with Recurrent Neural Networks
- 参数:
- input (Variable) - 形为[T x D] , Tensor类型时T为batch大小，LoDTensor类型时T为mini-batch的总时间步。D 为正例加负例的个数。该输入为logits而非概率。数据类型是float32或float64。
- label (Variable) - 形为[T x 1]，表示input中正例的下标，数据类型为int64。。
- name (None|str) – 该参数供开发人员打印调试信息时使用，具体用法请参见 :ref:`api_guide_Name` ，默认值为None。
返回: 形为[T x 1]的2D张量，数据类型同input相同，表示bpr损失值。
返回类型：Variable
代码示例：
import paddle.fluid as fluid
neg_size = 3
# label=[0]
label = fluid.layers.data(
name="label", shape=[1], dtype="int64")
# predict = [0.1, 0.2, 0.3, 0.4]
predict = fluid.layers.data(
name="predict", shape=[neg_size + 1], dtype="float32")
# bpr_Loss : label [0] 表示predict中下标0表示正例，即为0.1, 负例有3个为0.2,0.3,0.4
cost = fluid.layers.bpr_loss(input=predict, label=label)