泊松负对数似然损失

class torch.nn.PoissonNLLLoss(log_input=True, full=False, size_average=None, eps=1e-08, reduce=None, reduction='mean')

具有目标泊松分布的负对数似然损失。

损失可以描述为

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

最后一项可以省略或用斯特林公式近似。对于大于 1 的目标值，使用该近似值。对于小于或等于 1 的目标，会将零添加到损失中。

参数

• log_input (bool, 可选) – 如果 True 则损失计算为 $\exp(\text{input}) - \text{target}*\text{input}$, 如果 False 则损失为 $\text{input} - \text{target}*\log(\text{input}+\text{eps})$.

• full (bool, 可选) –

  是否计算完整损失，即添加斯特林近似项

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

• size_average (bool, optional) – 已弃用（参见 reduction）。默认情况下，损失在批次中的每个损失元素上平均。请注意，对于某些损失，每个样本可能有多个元素。如果字段 size_average 设置为 False，则损失会针对每个小批量进行累加。当 reduce 为 False 时忽略。默认值：True

• eps (float, optional) – 小值，用于避免在 log_input = False 时评估 $\log(0)$。默认值：1e-8

• reduce (bool, optional) – 已弃用（参见 reduction）。默认情况下，损失会根据 size_average 在每个小批量的观测值上平均或累加。当 reduce 为 False 时，将返回每个批次元素的损失，并忽略 size_average。默认值：True

• reduction (str, optional) – 指定要应用于输出的缩减：'none' | 'mean' | 'sum'。 'none'：不应用任何缩减，'mean'：输出的总和将除以输出中的元素数量，'sum'：输出将被累加。注意：size_average 和 reduce 正在被弃用，同时指定这两个参数将覆盖 reduction。默认值：'mean'

示例

>>> loss = nn.PoissonNLLLoss()
>>> log_input = torch.randn(5, 2, requires_grad=True)
>>> target = torch.randn(5, 2)
>>> output = loss(log_input, target)
>>> output.backward()

形状

• 输入：$(*)$，其中 $*$ 表示任意数量的维度。

• 目标：$(*)$，与输入相同的形状。

• 输出：默认情况下为标量。如果 reduction 为 'none'，则为 $(*)$，与输入相同的形状。