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')[源代码]¶
具有目标泊松分布的负对数似然损失。
损失可以描述为
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 , 如果False
则损失为 .full (bool, 可选) –
是否计算完整损失,即添加斯特林近似项
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 。默认值:1e-8reduce (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。