本文简要介绍python语言中 torch.nn.functional.cross_entropy
的用法。
用法:
torch.nn.functional.cross_entropy(input, target, weight=None, size_average=None, ignore_index=- 100, reduce=None, reduction='mean', label_smoothing=0.0)
input(Tensor) -
C = number of classes
或 在 2D 损失的情况下,或 其中 在 K-dimensional 损失的情况下。input
预计包含非标准化分数(通常称为 logits)。 其中target(Tensor) -如果包含类索引,形状 ,其中每个值是 ,或 与 在 K-dimensional 损失的情况下。如果包含类概率,则与输入的形状相同。
weight(Tensor,可选的) -给每个类一个手动重新调整的权重。如果给定,则必须是大小为
C
的张量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
ignore_index(int,可选的) -指定一个被忽略且不影响输入梯度的目标值。当
size_average
为True
时,损失是在非忽略目标上的平均值。请注意,ignore_index
仅在目标包含类索引时适用。默认值:-100reduce(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'
label_smoothing(float,可选的) -[0.0, 1.0] 中的浮点数。指定计算损失时的平滑量,其中 0.0 表示不平滑。目标成为原始基本事实和均匀分布的混合体,如 Rethinking the Inception Architecture for Computer Vision 中所述。默认值: 。
该标准计算输入和目标之间的交叉熵损失。
有关详细信息,请参阅
CrossEntropyLoss
。例子:
>>> # Example of target with class indices >>> input = torch.randn(3, 5, requires_grad=True) >>> target = torch.randint(5, (3,), dtype=torch.int64) >>> loss = F.cross_entropy(input, target) >>> loss.backward() >>> >>> # Example of target with class probabilities >>> input = torch.randn(3, 5, requires_grad=True) >>> target = torch.randn(3, 5).softmax(dim=1) >>> loss = F.cross_entropy(input, target) >>> loss.backward()
参数:
相关用法
- Python PyTorch cross用法及代码示例
- Python PyTorch criteo_terabyte用法及代码示例
- Python PyTorch criteo_kaggle用法及代码示例
- Python PyTorch create_feature_extractor用法及代码示例
- Python PyTorch cholesky用法及代码示例
- Python PyTorch column_stack用法及代码示例
- Python PyTorch cumprod用法及代码示例
- Python PyTorch calculate_gain用法及代码示例
- Python PyTorch cov用法及代码示例
- Python PyTorch cos用法及代码示例
- Python PyTorch compute_deltas用法及代码示例
- Python PyTorch conv_transpose3d用法及代码示例
- Python PyTorch combinations用法及代码示例
- Python PyTorch conv2d用法及代码示例
- Python PyTorch cummax用法及代码示例
- Python PyTorch custom_from_mask用法及代码示例
- Python PyTorch collect_all用法及代码示例
- Python PyTorch chunk用法及代码示例
- Python PyTorch convert用法及代码示例
- Python PyTorch conv1d用法及代码示例
- Python PyTorch chain_matmul用法及代码示例
- Python PyTorch cat用法及代码示例
- Python PyTorch constant_用法及代码示例
- Python PyTorch context用法及代码示例
- Python PyTorch count_nonzero用法及代码示例
注:本文由纯净天空筛选整理自pytorch.org大神的英文原创作品 torch.nn.functional.cross_entropy。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。