公式

首先需要了解CrossEntropyLoss的计算过程，交叉熵的函数是这样的：

其中，其中yi表示真实的分类结果。这里只给出公式，关于CrossEntropyLoss的其他详细细节请参照其他博文。

测试代码（一维）

import torchimport torch.nn as nnimport mathcriterion = nn.CrossEntropyLoss()output = torch.randn(1, 5, requires_grad=True)label = torch.empty(1, dtype=torch.long).random_(5)loss = criterion(output, label)print("网络输出为5类:")print(output)print("要计算label的类别:")print(label)print("计算loss的结果:")print(loss)first = 0for i in range(1): first = -output[i][label[i]]second = 0for i in range(1): for j in range(5): second += math.exp(output[i][j])res = 0res = (first + math.log(second))print("自己的计算结果：")print(res)

测试代码（多维）

import torchimport torch.nn as nnimport mathcriterion = nn.CrossEntropyLoss()output = torch.randn(3, 5, requires_grad=True)label = torch.empty(3, dtype=torch.long).random_(5)loss = criterion(output, label)print("网络输出为3个5类:")print(output)print("要计算loss的类别:")print(label)print("计算loss的结果:")print(loss)first = [0, 0, 0]for i in range(3): first[i] = -output[i][label[i]]second = [0, 0, 0]for i in range(3): for j in range(5): second[i] += math.exp(output[i][j])res = 0for i in range(3): res += (first[i] + math.log(second[i]))print("自己的计算结果：")print(res/3)

nn.CrossEntropyLoss()中的计算方法

注意：在计算CrossEntropyLosss时，真实的label（一个标量）被处理成onehot编码的形式。

在pytorch中，CrossEntropyLoss计算公式为：

CrossEntropyLoss带权重的计算公式为（默认weight=None）：

以上这篇pytorch中交叉熵损失(nn.CrossEntropyLoss())的计算过程详解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。