torch.nn.functional.nll_loss

torch.nn.functional.nll_loss(input, target, weight=None, size_average=None, ignore_index=-100, reduce=None, reduction='mean')

计算负对数似然损失。

有关详细信息，请参阅 NLLLoss。

参数

• input (Tensor) – $(N, C)$，其中 C = 类别数；或者 $(N, C, H, W)$，如果是 2D 损失；或者 $(N, C, d_1, d_2, ..., d_K)$，如果是 K 维损失，其中 $K \geq 1$。 input 预期为对数概率。

• target (Tensor) – $(N)$，其中每个值是 $0 \leq \text{targets}[i] \leq C-1$，或者 $(N, d_1, d_2, ..., d_K)$，如果是 K 维损失，其中 $K \geq 1$。

• weight (Tensor, 可选) – 分配给每个类别的手动重缩放权重。如果给定，则必须是大小为 C 的 Tensor

• size_average (bool, 可选) – 已弃用（请参阅 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，则损失将改为针对每个小批次求和。当 reduce 为 False 时忽略。默认值：True

• ignore_index (int, 可选) – 指定一个将被忽略且不影响输入梯度的目标值。当 size_average 为 True 时，损失将在非忽略目标上平均。默认值：-100

• reduce (bool, 可选) – 已弃用（请参阅 reduction）。默认情况下，损失会根据 size_average 在每个小批次的观测值上进行平均或求和。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, 可选) – 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；'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'

返回类型

Tensor

示例

>>> # input is of size N x C = 3 x 5
>>> input = torch.randn(3, 5, requires_grad=True)
>>> # each element in target has to have 0 <= value < C
>>> target = torch.tensor([1, 0, 4])
>>> output = F.nll_loss(F.log_softmax(input, dim=1), target)
>>> output.backward()