三元组损失的具体计算过程（手写）

最新推荐文章于 2024-10-01 20:17:55 发布

Adv_Ice

最新推荐文章于 2024-10-01 20:17:55 发布

阅读量140

点赞数

文章标签：深度学习

本文链接：https://blog.csdn.net/Samature/article/details/131064761

版权

文章探讨了在深度学习中如何计算TripletMarginLoss，通过PyTorch和PaddlePaddle的API示例解释了其具体用法。作者在寻找triplet_margin_loss的详细计算过程时遇到困难，因此决定通过代码演示来帮助读者理解这一损失函数的计算。

摘要由CSDN通过智能技术生成

写这篇博客的原因就是，我想知道triplet_margin_loss的具体计算过程，结果找了半天没找到，[○･｀Д´･ ○]，全是这么一通就算出来的

anchor = torch.randn(20, 20, requires_grad=True)
positive = torch.randn(20, 20, requires_grad=True)
negative = torch.randn(20, 20, requires_grad=True)

torch.nn.functional.triplet_margin_loss(anchor, positive, negative,reduction='none')
>>> 
tensor([1.0158, 0.0975, 2.1613, 1.4658, 0.7332, 1.5604, 1.0034, 0.3777, 0.1616,
        0.7618, 0.9989, 0.0000, 3.4407, 1.0938, 0.3333, 0.0000, 0.0000, 0.4422,
        1.1857, 1.7083], grad_fn=<ClampMinBackward>)

torch.nn.functional.triplet_margin_loss(anchor, positive, negative,reduction='mean')
>>>
tensor(0.9271, grad_fn=<MeanBackward0>)

把paddle的三元组损失的链接放
https://www.paddlepaddle.org.cn/documentation/docs/zh/2.4/api/paddle/nn/functional/triplet_margin_loss_cn.html

paddle.nn.functional.triplet_margin_loss(input, positive, negative, margin: float = 1.0, p: float = 2.0, epsilon: float = 1e-6, swap: bool = False, reduction: str = 'mean', name: str = None)

该 api 计算输入 input 和 positive 和 negative 间的 triplet margin loss 损失，测量 input 与 positive examples 和 negative examples 之间的相对相似性。所有输入张量的形状都为 (N,∗)，* 是任意其他维度。

import paddle
import paddle.nn.functional as F

input = paddle.to_tensor([[1, 5, 3], [0, 3, 2], [1, 4, 1]], dtype=paddle.float32)
positive= paddle.to_tensor([[5, 1, 2], [3, 2, 1], [3, -1, 1]], dtype=paddle.float32)
negative = paddle.to_tensor([[2, 1, -3], [1, 1, -1], [4, -2, 1]], dtype=paddle.float32)
loss = F.triplet_margin_loss(input, positive, negative, margin=1.0, reduction='none')
print(loss)
# Tensor([0.        , 0.57496738, 0.        ])


loss = F.triplet_margin_loss(input, positive, negative, margin=1.0, reduction='mean')
print(loss)
# Tensor([0.19165580])