Python PyTorch PoissonNLLLoss用法及代碼示例

本文簡要介紹python語言中 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')

參數：

• log_input(bool,可選的) -如果 True 損失計算為 \exp(\text{input}) - \text{target}*\text{input} ，如果 False 損失計算為 \text{input} - \text{target}*\log(\text{input}+\text{eps}) 。

• full(bool,可選的) -

  是否計算完全損失，i。 e.添加斯特林近似項

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

• size_average(bool,可選的) -已棄用(請參閱reduction)。默認情況下，損失是批次中每個損失元素的平均值。請注意，對於某些損失，每個樣本有多個元素。如果字段 size_average 設置為 False ，則會對每個小批量的損失求和。當 reduce 為 False 時忽略。默認值：True

• eps(float,可選的) -小值以避免在 log_input = False 時評估 \log(0) 。默認值：1e-8

• reduce(bool,可選的) -已棄用(請參閱reduction)。默認情況下，根據 size_average 對每個小批量的觀察結果進行平均或求和。當 reduce 是 False 時，返回每個批次元素的損失並忽略 size_average 。默認值：True

• reduction(string,可選的) -指定要應用於輸出的縮減：'none' | 'mean' | 'sum' 。 'none' ：不應用減少，'mean'：輸出的總和將除以輸出中的元素數，'sum'：輸出將被求和。注意：size_average 和 reduce 正在被棄用，同時，指定這兩個參數中的任何一個都將覆蓋 reduction 。默認值：'mean'

目標泊鬆分布的負對數似然損失。

損失可以說明為：

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

最後一項可以省略或用斯特林公式近似。近似值用於大於 1 的目標值。對於小於或等於 1 的目標，將零添加到損失中。

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()

形狀：

• 輸入： (*) ，其中 * 表示任意數量的維度。

• 目標：(*)，與輸入的形狀相同。

• 輸出：默認為標量。如果 reduction 是 'none' ，那麽 (*) ，與輸入的形狀相同。