SoftMarginLoss

产品支持情况

产品	是否支持
Atlas A2 训练系列产品/Atlas 800I A2 推理产品	√

功能说明

• 算子功能：计算二分类场景下的soft margin loss（逻辑回归损失），对输入预测值和目标值逐元素计算损失，并支持归约输出。

• 计算公式： 给定预测张量$self$和目标张量$target$，逐元素计算损失：

  $L_i=\max (0,-t_i\cdot x_i)+\log (1+\exp (-|t_i\cdot x_i|))$

  其中$x_i=sel{f}_i$，$t_i=targe{t}_i$。

  归约模式：

  • $reduction=0$（none）：$output=L$，输出与输入同shape
  • $reduction=1$（mean）：$output=\frac{1}{N}{\sum }_i{L}_i$，输出标量
  • $reduction=2$（sum）：$output={\sum }_i{L}_i$，输出标量

• 示例： 假设输入张量$self=[1,-1,2,-2]$，目标张量$target=[1,1,-1,-1]$，$reduction=0$（none），那么输出张量$output=[0.3133,1.3133,2.1269,0.1269]$，具体计算过程如下： $ \begin{aligned} L_0 &= \max(0, -(1)(1)) + \log(1 + \exp(-|1|)) = 0 + \log(1 + 0.3679) = 0.3133 \ L_1 &= \max(0, -(1)(-1)) + \log(1 + \exp(-|-1|)) = 1 + \log(1 + 0.3679) = 1.3133 \ L_2 &= \max(0, -(-1)(2)) + \log(1 + \exp(-|-2|)) = 2 + \log(1 + 0.1353) = 2.1269 \ L_3 &= \max(0, -(-1)(-2)) + \log(1 + \exp(-|-2|)) = 0 + \log(1 + 0.1353) = 0.1269 \end{aligned} $

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
self	输入	预测值张量，公式中的x。	FLOAT、FLOAT16	ND
target	输入	目标值张量，shape和dtype与self一致，公式中的t。	FLOAT、FLOAT16	ND
output	输出	输出张量。reduction=none时与输入同shape；reduction=mean/sum时为标量（0维张量）。	FLOAT、FLOAT16	ND
reduction	属性	归约模式：0=none，1=mean，2=sum。 默认值为1（mean）。	Int	-

约束说明

• self和target的shape和dtype必须一致。
• float16输入在Kernel内部提升至float32计算，仅最终输出转回float16。

调用说明

调用方式	调用样例	说明
aclnn调用	test_aclnn_soft_margin_loss.cpp	通过aclnn接口方式调用SoftMarginLoss算子。