torch中的成对相似性准则

我想在torch7中实现一个新的准则。

基本上，我有一对样本，对于这对样本，我具有一个归一化的相似度实际值（记为'd'）。

在现有的准则中，最接近的是[CosineEmbeddingCriterion] (https://github.com/torch/nn/blob/master/doc/criterion.md#nn.CosineEmbeddingCriterion)，它提供了以下的损失：

             ⎧ 1 - cos(x1, x2),                        if y == 1
loss(x, y) = ⎨
             ⎩ max(0, cos(x1, x2) - margin), if y == -1

显然，这是为一对设计的，但这是用于分类问题。

在我的问题中，我想实现一个准则，它提供以下的损失函数： loss(x1, y2, d) = | d - cos(x1,x2) |

不幸的是，与[in this question] (https://stackoverflow.com/questions/33648796/add-my-custom-loss-function-to-torch) 不同，我不能简单地组合现有的准则来做到这一点。

所以我打算从[torch7源文件] (https://github.com/torch/nn/blob/master/CosineEmbeddingCriterion.lua)的痛苦之路上创建一个新的模块。

我的问题如下:

• 我是否正确，没有其他简单的解决方案？

• 如果我在torch7中实现自己的准则：

• 是否有写准则或指南的模板？

• 我如何检查它是否有效？（如何对其进行单元测试？）

（对我来说，编写一个似乎正确的准则非常容易--但实际上并不是这样）

非常感谢任何提示！