npair_loss

paddle.nn.functional.npair_loss ( anchor, positive, labels, l2_reg=0.002 ) [源代码]

参考阅读 Improved Deep Metric Learning with Multi class N pair Loss Objective

NPair损失需要成对的数据。NPair损失分为两部分：第一部分是对嵌入向量进行L2正则化；第二部分是每一对数据的相似性矩阵的每一行和映射到ont-hot之后的标签的交叉熵损失的和。

参数:

  • anchor (Tensor) - 锚点图像的嵌入特征，形状为[batch_size, embedding_dims]的2-D Tensor 。数据类型：float32和float64。

  • positive (Tensor) - 正例图像的嵌入特征，形状为[batch_size, embedding_dims]的2-D Tensor 。数据类型：float32和float64。

  • labels (Tensor) - 标签向量，形状为[batch_size]的1-D Tensor 。数据类型：float32、float64和int64。

  • l2_reg (float) - 嵌入向量的L2正则化系数，默认：0.002。

返回:

经过npair loss计算之后的结果 Tensor 。

代码示例：

  1. import paddle
  3. DATATYPE = "float32"
  4. anchor = paddle.rand(shape=(18, 6), dtype=DATATYPE)
  5. positive = paddle.rand(shape=(18, 6), dtype=DATATYPE)
  6. labels = paddle.rand(shape=(18,), dtype=DATATYPE)
  8. npair_loss = paddle.nn.functional.npair_loss(anchor, positive, labels, l2_reg = 0.002)
  9. print(npair_loss)