.. py:function:: paddle.nn.functional.triplet_margin_with_distance_loss(input, positive, negative, distance_function=None, margin: float = 1.0, swap: bool = False,reduction: str = 'mean', name:str=None)
计算输入 input 和 positive 和 negative 间的 triplet margin loss 损失。
损失函数按照下列公式计算
L(input, pos, neg) = \max \{d(input_i, pos_i) - d(input_i, neg_i) + {\rm margin}, 0\}
其中的距离函数 distance_function 可以由用户自定义，使用 lambda 或是 def 都可以。如果未定义则调用 2 范数计算距离
d(x_i, y_i) = \left\lVert {\bf x}_i - {\bf y}_i \right\rVert_2
margin 为（input,positive）与（input,negative）的距离间隔，swap 为 True 时，会比较（input，negative）和（positive，negative）的大小，并将（input，negative）的值换为其中较小的值，内容详见论文 Learning shallow convolutional feature descriptors with triplet losses 。
- input (Tensor) - [N, * ]，其中 N 是 batch_size， * 是任意其他维度。数据类型是 float32、float64。
- positive (Tensor) - [N, *]，正样本，维度、数据类型与输入
input相同。- negative (Tensor) - [N, *]，负样本，维度、数据类型与输入
input相同。- distance_function (Callable，可选) - 手动指定范数，默认为 None，计算欧式距离。
- margin (float，可选) - 手动指定间距，默认为 1。
- swap (bool，可选) - 默认为 False。
- 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) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。
- input (Tensor) - [N, *]，其中 N 是 batch_size， * 是任意其他维度。数据类型是 float32、float64。
- positive (Tensor) - [N, *]，标签
positive的维度、数据类型与输入input相同。- negative (Tensor) - [N, *]，标签
negative的维度、数据类型与输入input相同。- output (Tensor) - 输出的 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 [] 。
输出的 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.triplet_margin_with_distance_loss