smooth_l1
paddle.fluid.layers.smooth_l1
(x, y, inside_weight=None, outside_weight=None, sigma=None)[源代码]
该layer计算变量 x
和 y
的smooth L1 loss,它以 x
和 y
的第一维大小作为批处理大小。对于每个实例,按元素计算smooth L1 loss,然后计算所有loss。输出变量的形状是[batch_size, 1]
参数
- x (Tensor|LoDTensor) - 数据类型为float32,rank至少为2的张量。smooth L1损失函数的输入,shape为[batch_size, dim1,…,dimN]。
- y (Tensor|LoDTensor) - 数据类型为float32,rank至少为2的张量。与
x
shape相同的目标值。- inside_weight (Tensor|None) - 数据类型为float32,rank至少为2的张量。这个输入是可选的,与x的shape应该相同。如果给定,
(x - y)
的结果将乘以这个张量元素。- outside_weight (Tensor|None) - 数据类型为float32,一个rank至少为2的张量。这个输入是可选的,它的shape应该与
x
相同。 smooth L1 loss的输出会乘以这个张量。- sigma (float|NoneType) - smooth L1 loss layer的超参数。标量,默认值为1.0。
返回
smooth L1损失的输出值, shape为 [batch_size, 1]
返回类型
Variable(Tensor),数据类型为float32的Tensor。
代码示例
import paddle.fluid as fluid
import numpy as np
data = fluid.layers.data(name="x", shape=[-1, 3], dtype="float32")
label = fluid.layers.data(name="y", shape=[-1, 3], dtype="float32")
result = fluid.layers.smooth_l1(data,label)
place = fluid.CPUPlace()
exe = fluid.Executor(place)
exe.run(fluid.default_startup_program())
x = np.random.rand(3,3).astype("float32")
y = np.random.rand(3,3).astype("float32")
output= exe.run(feed={"x":x, "y":y},
fetch_list=[result])
print(output)
"""
output:
[array([[0.08220536],
[0.36652038],
[0.20541131]], dtype=float32)]
"""