pytorch中的loss函数（2）：SoftMarginLoss

1、SoftMarginLoss原理

SoftMarginLoss针对 two-class classification（二分类）问题。

loss计算公式：

其中，；

是pytorch中统计tensor中元素的个数，例如：

x = torch.randn(size = (1,3,4,6)) 

print(x.nelement())

结果为元素个数1 * 3 * 4 * 6

的函数曲线如图1所示：

当y[i]=-1时：loss越小==》x[i]越小；

当y[i]=1时：loss越小==》x[i]越大。

 

2、使用SoftMarginLoss进行图片二分类

2.1 数据源以及如何打标签

有10000张动物的图片，我们先手动对图片打标签，打标签的方法：图片上是猫的，该图片的标签是1，不是猫的，标签是-1。

2.2 模型训练：

2.2.1 模型搭建：

SoftMarginLoss层前面的层输出的特征图的大小必须是1*1。我们可以使用一个out_features是1的Linear层（全连接层）。

2.2.2 模型训练

输入的图片及它的标签，它的标签是1或者-1。

 

3、使用SoftMarginLoss进行图像分割

3.1 数据源以及如何打标签

有10000张动物的图片，图片的大小是512*512。我们先手动对图片打标签，打标签的方法：对图像上的像素点打标签，是猫的区域，每个像素点的标签是1，不是猫的区域，每个像素点的标签是-1。这样，每张图片的标签就是一个和图片同样大小一个矩阵，矩阵中的元素是1或者-1。

3.2 模型训练

3.2.1 模型搭建

SoftMarginLoss层前面的层输出的特征图的大小必须是512*512。

3.2.2 模型训练

输入一张512*512的图片，SoftMarginLoss层的输入是前一层的512*512的特征图，以及我们手动打的标签（大小也是512*512）。