快捷方式

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

targetPoisson(input)loss(input,target)=inputtargetlog(input)+log(target!)\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(input)targetinput\exp(\text{input}) - \text{target}*\text{input}, 如果 False 则损失为 inputtargetlog(input+eps)\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

    targetlog(target)target+0.5log(2πtarget).\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 reduceFalse 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)\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 reduceFalse 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_averagereduce 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'none',则为 ()(*),与输入相同的形状。

文档

访问 PyTorch 的全面开发人员文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源