Skip to content

Latest commit

 

History

History
44 lines (28 loc) · 1.86 KB

SmoothL1Loss_cn.rst

File metadata and controls

44 lines (28 loc) · 1.86 KB
Raw

SmoothL1Loss

.. py:class:: paddle.nn.SmoothL1Loss(reduction='mean', delta=1.0, name=None)

计算输入 :attr:`input` 和标签 :attr:`label` 间的 SmoothL1 损失，如果逐个元素的绝对误差低于 1，则创建使用平方项的条件，否则为 L1 损失。在某些情况下，它可以防止梯度爆炸，也称为 Huber 损失，该损失函数的数学计算公式如下：

loss(x, y) = \frac{1}{n}\sum_{i}z_i

z_i 的计算公式如下：

\mathop{z_i} = \left\{\begin{array}{rcl}
        0.5(x_i - y_i)^2 & & {if |x_i - y_i| < \delta} \\
        \delta * |x_i - y_i| - 0.5 * \delta^2 & & {otherwise}
    \end{array} \right.

参数

  • reduction (str，可选) - 指定应用于输出结果的计算方式，可选值有 none、mean 和 sum。默认为 mean，计算 mini-batch loss 均值。设置为 sum 时，计算 mini-batch loss 的总和。设置为 none 时，则返回 loss Tensor。
  • delta (str，可选) - SmoothL1Loss 损失的阈值参数 \delta，用于控制 Huber 损失对线性误差或平方误差的侧重。数据类型为 float32。默认值为 1.0。
  • name (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。

输入

  • input (Tensor)：输入 Tensor，数据类型为 float32。其形状为 [N, C]，其中 C 为类别数。对于多维度的情形下，它的形状为 [N, C, d_1, d_2, ..., d_k]，k \geqslant 1。
  • label (Tensor)：输入 :attr:`input` 对应的标签值，数据类型和 :attr:`input` 相同。

返回

Tensor，计算 SmoothL1Loss 后的损失值。

代码示例

COPY-FROM: paddle.nn.SmoothL1Loss