DeltaPointwiseLoss

class DeltaPointwiseLoss(margin: float | None = 0.0, margin_activation: str | Module | None = 'softplus', reduction: str = 'mean')

基础类：PointwiseLoss

用于逐点差异损失的通用类。

逐点损失	激活	边距	公式	实施
逐点铰链	ReLU	\(\lambda \neq 0\)	\(g(s, l) = \max(0, \lambda -\hat{l}*s)\)	pykeen.losses.PointwiseHingeLoss
软点向铰链	softplus	\(\lambda \neq 0\)	\(g(s, l) = \log(1+\exp(\lambda -\hat{l}*s))\)	pykeen.losses.SoftPointwiseHingeLoss
逐点逻辑（softplus）	softplus	\(\lambda = 0\)	\(g(s, l) = \log(1+\exp(-\hat{l}*s))\)	pykeen.losses.SoftplusLoss

初始化损失。

Parameters:

• margin (float | None) – 边距，参见 PointwiseLoss.__init__()

• margin_activation (str | Module | None) – 边缘激活函数，或其提示，参见 margin_activation_resolver。

• reduction (str) – 减少，参见 PointwiseLoss.__init__()

属性摘要

hpo_default

优化损失超参数的默认策略

方法总结

forward(logits, labels)

计算给定分数和标签的损失。

属性文档

hpo_default: ClassVar[Mapping[str, Any]] = {'margin': {'high': 3, 'low': 0, 'type': <class 'float'>}, 'margin_activation': {'choices': {'hard', 'relu', 'soft', 'softplus'}, 'type': 'categorical'}}

优化损失超参数的默认策略

方法文档

forward(logits: Tensor, labels: Tensor) → Tensor

计算给定分数和标签的损失。

Parameters:

• logits (Tensor)

• 标签 (Tensor)

Return type:

Tensor