rank_loss

• paddle.fluid.layers.rank_loss(label, left, right, name=None)[源代码]

该OP实现了RankNet模型中的排序损失层。RankNet是一种文档对（pairwise）排序模型，训练样本由一对文档（假设用A、B来表示）组成。标签（假设用P来表示）表示A的排名是否高于B。更多详情请参考：RankNet

排序损失层有三个输入：

、 和 ，输入分别表示RankNet模型对文档A、B的输出得分和标签P的值；排序损失层的输入是批输入数据（批大小大于等于1）；标签P的取值可以为： {0, 1} 或 {0, 0.5, 1} ，其中，0.5表示输入文档对排序相同。输入数据的排序损失 计算过程如下：

• 参数：
• • label (Variable)：维度为 的2-D Tensor ，数据类型为float32。其中batch表示批数据的大小。表示A的排名是否高于B。
  • left (Variable)：维度为 的2-D Tensor ，数据类型为float32。其中batch表示批数据的大小。表示RankNet对文档A的输出得分。
  • right (Variable)：维度为 的2-D Tensor ，数据类型为float32。其中batch表示批数据的大小。表示RankNet对文档B的输出得分。
  • name (str, 可选)：具体用法请参见 Name ，一般无需设置，默认值为None。

返回：表示排序损失层输出值的 Tensor ，数据类型为float32，返回值维度为

。

返回类型：Variable

• 抛出异常：
• • ValueError - 输入 label ， left ，和 right 至少有一个不是 Variable 类型。

代码示例

import paddle.fluid as fluid
label = fluid.layers.data(name="label", shape=[-1, 1], dtype="float32")
left = fluid.layers.data(name="left", shape=[-1, 1], dtype="float32")
right = fluid.layers.data(name="right", shape=[-1, 1], dtype="float32")
out = fluid.layers.rank_loss(label, left, right)