Python PyTorch PoissonNLLLoss用法及代码示例

本文简要介绍python语言中 torch.nn.PoissonNLLLoss 的用法。

用法:

class torch.nn.PoissonNLLLoss(log_input=True, full=False, size_average=None, eps=1e-08, reduce=None, reduction='mean')

参数：

• log_input(bool,可选的) -如果 True 损失计算为 \exp(\text{input}) - \text{target}*\text{input} ，如果 False 损失计算为 \text{input} - \text{target}*\log(\text{input}+\text{eps}) 。

• full(bool,可选的) -

  是否计算完全损失，i。 e.添加斯特林近似项

  \text{target}*\log(\text{target}) - \text{target} + 0.5 * \log(2\pi\text{target}).

• size_average(bool,可选的) -已弃用(请参阅reduction)。默认情况下，损失是批次中每个损失元素的平均值。请注意，对于某些损失，每个样本有多个元素。如果字段 size_average 设置为 False ，则会对每个小批量的损失求和。当 reduce 为 False 时忽略。默认值：True

• eps(float,可选的) -小值以避免在 log_input = False 时评估 \log(0) 。默认值：1e-8

• reduce(bool,可选的) -已弃用(请参阅reduction)。默认情况下，根据 size_average 对每个小批量的观察结果进行平均或求和。当 reduce 是 False 时，返回每个批次元素的损失并忽略 size_average 。默认值：True

• reduction(string,可选的) -指定要应用于输出的缩减：'none' | 'mean' | 'sum' 。 'none' ：不应用减少，'mean'：输出的总和将除以输出中的元素数，'sum'：输出将被求和。注意：size_average 和 reduce 正在被弃用，同时，指定这两个参数中的任何一个都将覆盖 reduction 。默认值：'mean'

目标泊松分布的负对数似然损失。

损失可以说明为：

\text{target} \sim \mathrm{Poisson}(\text{input}) \text{loss}(\text{input}, \text{target}) = \text{input} - \text{target} * \log(\text{input}) + \log(\text{target!})

最后一项可以省略或用斯特林公式近似。近似值用于大于 1 的目标值。对于小于或等于 1 的目标，将零添加到损失中。

例子：

>>> loss = nn.PoissonNLLLoss()
>>> log_input = torch.randn(5, 2, requires_grad=True)
>>> target = torch.randn(5, 2)
>>> output = loss(log_input, target)
>>> output.backward()

形状：

• 输入： (*) ，其中 * 表示任意数量的维度。

• 目标：(*)，与输入的形状相同。

• 输出：默认为标量。如果 reduction 是 'none' ，那么 (*) ，与输入的形状相同。