.. py:function:: paddle.nn.functional.soft_margin_loss(input, label, reduction='mean', name=None)
计算输入 input 和 label 间的二分类损失。
损失函数按照下列公式计算
\text{loss}(x, y) = \sum_i \frac{\log(1 + \exp(-y[i]*x[i]))}{\text{x.nelement}()}
最后,添加 reduce 操作到前面的输出 Out 上。当 reduction 为 none 时,直接返回最原始的 Out 结果。当 reduction 为 mean 时,返回输出的均值 Out = MEAN(Out) 。当 reduction 为 sum 时,返回输出的求和 Out = SUM(Out) 。
- input (Tensor) - [N, *] ,其中 N 是 batch_size, * 是任意其他维度。数据类型是 float32、float64。
- label (Tensor) - [N, *] ,标签
label
的维度、数据类型与输入input
相同。- reduction (str,可选) - 指定应用于输出结果的计算方式,可选值有:
'none'
、'mean'
、'sum'
。默认为'mean'
,计算 Loss 的均值;设置为'sum'
时,计算 Loss 的总和;设置为'none'
时,则返回原始 Loss。- name (str,可选) - 操作的名称(可选,默认值为 None)。更多信息请参见 :ref:`api_guide_Name` 。
- 输出的结果 Tensor。如果 :attr:`reduction` 是
'none'
, 则输出的维度为 [N, *] ,与输入input
的形状相同。如果 :attr:`reduction` 是'mean'
或'sum'
,则输出的维度为 [] 。
COPY-FROM: paddle.nn.functional.soft_margin_loss