整理:TripletMarginLoss、nn.MarginRankingLoss

本文详细介绍了PyTorch中的TripletMarginLoss和nn.MarginRankingLoss,包括它们的定义、使用方式、计算方法及示例。两者都与triplet loss相关,但nn.MarginRankingLoss可以用于计算triplet loss,特别是在已知距离矩阵的情况下,使用nn.MarginRankingLoss更为便捷。
摘要由CSDN通过智能技术生成

在pytorch中,提供了两个损失函数,都与triplet loss相关。但是使用的方式不一样。

 

一、TripletMarginLoss

这个就是最正宗的Triplet Loss的实现。它的输入是anchor, positive, negative三个B*N的张量(表示Batchsize个N为的特征向量),输出triplet loss的值。

定义为:

criterion = torch.nn.TripletMarginLoss(margin=1.0, p=2.0, eps=1e-06, swap=False, size_average=None, reduce=None, reduction='mean')

参数:

margin (float) – 默认为1
p (int) – norm degree,默认为2
reduction (string) – 指定返回各损失值(none),批损失均值(mean),批损失和(sum),默认返回批损失均值(mean)
 

使用:

loss = criterion(anchor, positive, negative)

输入三个二维张量,每个向量的尺寸:(B,N

  • 29
    点赞
  • 54
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值