megengine.functional.loss.hinge_loss¶
-
hinge_loss(pred, label, norm='L1')[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” 。
- 返回类型
Tensor- 返回
损失值。
例如：
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