当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python mxnet.symbol.sparse.make_loss用法及代码示例


用法:

mxnet.symbol.sparse.make_loss(data=None, name=None, attr=None, out=None, **kwargs)

参数：

  • data：(Symbol) - 输入数组。
  • name：(string, optional.) - 结果符号的名称。

返回：

结果符号。

返回类型：

Symbol

在网络构建中制作自己的损失函数。

该运算符接受自定义损失函数符号作为终端损失，并且该符号应该是没有后向依赖的运算符。该函数的输出是相对于输入数据的损失梯度。

例如，如果您正在制作交叉熵损失函数。假设out是预测输出，label是真实标签，那么交叉熵可以定义为：

cross_entropy = label * log(out) + (1 - label) * log(1 - out)
loss = make_loss(cross_entropy)

当我们创建自己的损失函数或想要组合多个损失函数时，我们将需要使用make_loss。此外，我们可能希望阻止某些变量的梯度进行反向传播。在 BlockGrad 或 stop_gradient 中查看更多详细信息。

make_loss 输出的存储类型取决于输入存储类型：

  • make_loss(default) = default

  • make_loss(row_sparse) = row_sparse

相关用法


注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.symbol.sparse.make_loss。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。