pytorch 实现cross entropy损失函数计算方式

时间:2021-05-22

均方损失函数:

这里 loss, x, y 的维度是一样的,可以是向量或者矩阵,i 是下标。

很多的 loss 函数都有 size_average 和 reduce 两个布尔类型的参数。因为一般损失函数都是直接计算 batch 的数据,因此返回的 loss 结果都是维度为 (batch_size, ) 的向量。

(1)如果 reduce = False,那么 size_average 参数失效,直接返回向量形式的 loss

(2)如果 reduce = True,那么 loss 返回的是标量

a)如果 size_average = True,返回 loss.mean();b)如果 size_average = False,返回 loss.sum();

注意:默认情况下, reduce = True,size_average = True

import torchimport numpy as np

1、返回向量

loss_fn = torch.nn.MSELoss(reduce=False, size_average=False)a=np.array([[1,2],[3,4]])b=np.array([[2,3],[4,5]])input = torch.autograd.Variable(torch.from_numpy(a))target = torch.autograd.Variable(torch.from_numpy(b))

这里将Variable类型统一为float()(tensor类型也是调用xxx.float())

loss = loss_fn(input.float(), target.float())print(loss)tensor([[ 1., 1.], [ 1., 1.]])

2、返回平均值

a=np.array([[1,2],[3,4]])b=np.array([[2,3],[4,4]])loss_fn = torch.nn.MSELoss(reduce=True, size_average=True)input = torch.autograd.Variable(torch.from_numpy(a))target = torch.autograd.Variable(torch.from_numpy(b))loss = loss_fn(input.float(), target.float()) print(loss)tensor(0.7500)

以上这篇pytorch 实现cross entropy损失函数计算方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。

相关文章