网站建设创业规划书,手机网站建设最新报价,深圳市设计装饰工程有限公司,网站建设的技术需要多少钱1 介绍
创建一个衡量三元组损失的标准#xff0c;给定输入张量 x1、x2 和 x3 以及一个大于0的间距值。这用于测量样本之间的相对相似性。一个三元组由a、p和n组成#xff08;锚点、正例和负例#xff09;。所有输入张量的形状都应为 (N,D) 2 基本使用方法
torch.nn.…1 介绍
创建一个衡量三元组损失的标准给定输入张量 x1、x2 和 x3 以及一个大于0的间距值。这用于测量样本之间的相对相似性。一个三元组由a、p和n组成锚点、正例和负例。所有输入张量的形状都应为 (N,D) 2 基本使用方法
torch.nn.TripletMarginLoss(margin1.0, p2.0, eps1e-06, swapFalse, size_averageNone, reduceNone, reductionmean)
3 参数
marginfloat可选默认为1pint可选用于成对距离的范数度。默认为2reductionstr可选none/mean/sum默认是mean
4 举例
import torch
import torch.nn as nnanchor torch.tensor([0.5, -0.5, 0.1], requires_gradTrue)pos torch.tensor([0.7, 0.2, 0.1])neg torch.tensor([0.8, 0.9, 0.2])triplet_loss nn.TripletMarginLoss(margin1.0, p1)triplet_loss(anchor,pos,neg)
#tensor(0.1000, grad_fnMeanBackward0)
(0.2-0.3)(0.7-1.4)(0-0.1)10.1000import torch
import torch.nn as nnanchor torch.tensor([0.5, -0.5, 0.1], requires_gradTrue)pos torch.tensor([0.7, 0.2, 0.1])neg torch.tensor([0.8, 0.9, 0.2])triplet_loss nn.TripletMarginLoss(margin1.0, p2)triplet_loss(anchor,pos,neg)
#tensor(0.2927, grad_fnMeanBackward0)np.sqrt((0.2-0.3)**2(0.7-1.4)**2(0-0.1)**2)
