bpr_loss

  • paddle.fluid.layers.bpr_loss(input, label, name=None)[源代码]

贝叶斯个性化排序损失函数（Bayesian Personalized Ranking Loss Operator ）

该OP属于pairwise类型的损失函数。损失值由下式计算而得:

bpr_loss - 图1

  • 其中：
    • bpr_loss - 图2 ：输入值，一个形为[T x D]的2-D Tensor, 此处为logit值。
    • bpr_loss - 图3 ： 在时间步i的正例和负例的总和。
    • bpr_loss - 图4 ：在时间步i的正例下标。
    • bpr_loss - 图5 ：激活函数。
    • bpr_loss - 图6 ：输出值，一个形为[T x 1]的2-D Tensor。

更多细节请参考 Session Based Recommendations with Recurrent Neural Networks

  • 参数:
    • input (Variable) - 形为[T x D] , Tensor类型时T为batch大小，LoDTensor类型时T为mini-batch的总时间步。D 为正例加负例的个数。该输入为logits而非概率。数据类型是float32或float64。
    • label (Variable) - 形为[T x 1]，表示input中正例的下标，数据类型为int64。。
    • name (None|str) – 该参数供开发人员打印调试信息时使用，具体用法请参见 Name ，默认值为None。

返回: 形为[T x 1]的2D张量，数据类型同input相同，表示bpr损失值。

返回类型：Variable

代码示例：

  1. import paddle.fluid as fluid
  2.  
  3. neg_size = 3
  4. # label=[0]
  5. label = fluid.layers.data(
  6.           name="label", shape=[1], dtype="int64")
  7. # predict = [0.1, 0.2, 0.3, 0.4]
  8. predict = fluid.layers.data(
  9.           name="predict", shape=[neg_size + 1], dtype="float32")
  10. # bpr_Loss : label [0] 表示predict中下标0表示正例，即为0.1, 负例有3个为0.2,0.3,0.4
  11. cost = fluid.layers.bpr_loss(input=predict, label=label)