quaterion.loss.contrastive_loss 模块

class ContrastiveLoss(distance_metric_name: Distance = Distance.COSINE, margin: float = 0.5, size_average: bool = True)

Bases: PairwiseLoss

对比损失。

输入预期为两个文本和一个标签，标签值为 0 或 1。如果标签 == 1，则两个嵌入之间的距离减小。如果标签 == 0，则嵌入之间的距离增加。

更多信息

http://yann.lecun.com/exdb/publis/pdf/hadsell-chopra-lecun-06.pdf

参数：

• distance_metric_name – 函数名称，例如，Distance。可选，默认为 COSINE。

• margin – 负样本（标签 == 0）之间的距离应至少等于间隔值。

• size_average – 按 mini-batch 的大小平均。

forward(embeddings: Tensor, pairs: LongTensor, labels: Tensor, subgroups: Tensor, **kwargs) → Tensor

计算损失值。

参数：

• embeddings – 嵌入批次，嵌入的前半部分是配对中第一个对象的嵌入，后半部分是配对中第二个对象的嵌入。

• pairs – 配对中对应对象的索引。

• labels – 正样本和负样本的得分。

• subgroups – 用于区分可作为负样本和不可作为负样本的子组

• **kwargs – 损失调用泛化的附加关键字参数

返回：

Tensor – 平均或求和后的损失值

get_config_dict() → Dict[str, Any]

用于保存和加载的配置。

配置对象必须是 JSON 可序列化的。

返回：

Dict[str, Any] – JSON 可序列化的参数字典

training: bool