Python PyTorch nll_loss用法及代碼示例

本文簡要介紹python語言中 torch.nn.functional.nll_loss 的用法。

用法:

torch.nn.functional.nll_loss(input, target, weight=None, size_average=None, ignore_index=- 100, reduce=None, reduction='mean')

參數：

• input-(N, C) 其中 C = number of classes 或 (N, C, H, W) 在 2D 損失的情況下，或 (N, C, d_1, d_2, ..., d_K) 其中 K \geq 1 在 K-dimensional 損失的情況下。 input 預計為 log-probabilities。

• target-(N) 其中每個值為 0 \leq \text{targets}[i] \leq C-1 或 (N, d_1, d_2, ..., d_K) 其中 K \geq 1 表示 K-dimensional 損失。

• weight(Tensor,可選的) -給每個類一個手動重新調整的權重。如果給定，則必須是大小為 C 的張量

• 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

• ignore_index(int,可選的) -指定一個被忽略且不影響輸入梯度的目標值。當 size_average 為 True 時，損失是在非忽略目標上的平均值。默認值：-100

• 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'

負對數似然損失。

有關詳細信息，請參閱 NLLLoss 。

例子：

>>> # input is of size N x C = 3 x 5
>>> input = torch.randn(3, 5, requires_grad=True)
>>> # each element in target has to have 0 <= value < C
>>> target = torch.tensor([1, 0, 4])
>>> output = F.nll_loss(F.log_softmax(input), target)
>>> output.backward()