PoissonNLLLoss

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

具有泊松目标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，使用近似值。对于小于或等于 1 的目标值，损失中会加上零。

参数

• log_input (bool, optional) – 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, optional) –

  是否计算完整损失，即是否添加斯特林近似项

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

• size_average (bool, optional) – 已弃用（参见 reduction）。默认情况下，损失会在批次中每个损失元素上进行平均。请注意，对于某些损失，每个样本有多个元素。如果字段 size_average 设置为 False，则损失将改为在每个小批量中求和。当 reduce 为 False 时将被忽略。默认值：True

• eps (float, optional) – 用于避免在 log_input = False 时评估 $\log(0)$ 的小值。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进行平均或求和。当 reduce 为 False 时，将改为返回每个批次元素的损失，并忽略 size_average。默认值：True

• reduction (str, optional) – 指定应用于输出的缩减方式：'none' | 'mean' | 'sum'。'none'：不应用缩减；'mean'：输出的总和将除以输出中的元素数量；'sum'：输出将被求和。注意：size_average 和 reduce 正在被弃用，在此期间，指定这两个参数中的任何一个都将覆盖 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: $(*)$, 与输入形状相同。

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