快捷方式

quaterion.loss.group_loss 模块

GroupLoss(distance_metric_name: Distance = Distance.COSINE)[source]

基类: SimilarityLoss

组损失的基类。

参数:

distance_metric_name – 距离函数的名称,例如,Distance

forward(embeddings: Tensor, groups: LongTensor) Tensor[source]
参数:
  • embeddings – 形状: (batch_size, vector_length)

  • groups – 形状: (batch_size,) - 与 embeddings 关联的组

返回:

Tensor – 零大小张量,损失值

xbm_loss(embeddings: Tensor, groups: LongTensor, memory_embeddings: Tensor, memory_groups: LongTensor) Tensor[source]

为此损失实现 XBM 损失计算。

参数:
  • embeddings – 形状: (batch_size, vector_length) - 来自编码器的输出嵌入。

  • groups – 形状: (batch_size,) - 与嵌入关联的组 ID。

  • memory_embeddings – 形状: (memory_buffer_size, vector_length) - 存储在环形缓冲区中的嵌入

  • memory_groups – 形状: (memory_buffer_size,) - 与 memory_embeddings 关联的组 ID

返回:

Tensor – 零大小张量,XBM 损失值。

training: bool

Qdrant

了解更多关于 Qdrant 向量搜索项目和生态系统

探索 Qdrant

相似度学习

探索使用相似度学习解决实际问题

学习相似度学习

社区

找到处理类似问题的人,并获得问题的答案

加入社区