损失函数总结(七):MarginRankingLoss、HingeEmbeddingLoss
1 引言
在前面的文章中已经介绍了介绍了一系列损失函数 (L1Loss
、MSELoss
、BCELoss
、CrossEntropyLoss
、NLLLoss
、CTCLoss
、PoissonNLLLoss
、GaussianNLLLoss
、KLDivLoss
、BCEWithLogitsLoss
)。在这篇文章中,会接着上文提到的众多损失函数继续进行介绍,给大家带来更多不常见的损失函数的介绍。这里放一张损失函数的机理图:
2 损失函数
2.1 MarginRankingLoss
MarginRankingLoss 是一种用于对比学习
(Siamese网络)中的损失函数,通常用于训练模型来学习如何区分两个样本或实例
。这种损失函数通常用于度量
两个样本之间的相似性或距离
,以便在训练中推动模型使相似样本更接近
,而不相似样本更远
。MarginRankingLoss的数学表达式如下: