文章目录
损失函数总结
首先直接贴上个人看过比较好的一些的解析:
很全的Pytorch loss函数汇总:
部分特殊损失函数详解
1. 余弦损失函数 torch.nn.CosineEmbeddingLoss
- 余弦损失函数,常常用于评估两个向量的相似性,两个向量的余弦值越高,则相似性越高。
x
:包括x1
和x2
,即需要计算相似度的prediction
和GT
;y
:相当于人为给定的flag
,决定按哪种方式计算得到loss的结果。
使用说明:
- 如果需要约束使x1和x2尽可能的相似,那么就使用
y=1
,prediction
和GT
完全一致时,loss为0,反之亦然。
使用示例:
input1 = torch.randn(100, 128)input2 = torch.randn(100, 128)cos = nn.CosineEmbeddingLoss(reduction='mean')loss_flag = torch.ones([100]) # 需要初始化一个N维的1或-1output = cos(input1, input2, loss_flag)print(output)# tensor(1.0003)
来源地址:https://blog.csdn.net/qq_45779334/article/details/127229281