快捷方式

torch.nn.functional.nll_loss

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

计算负对数似然损失。

有关详细信息,请参阅 NLLLoss

参数
  • input (张量) – (N,C)(N, C),其中 C = 类别数量,或者在二维损失的情况下为 (N,C,H,W)(N, C, H, W),或者在 K 维损失的情况下为 (N,C,d1,d2,...,dK)(N, C, d_1, d_2, ..., d_K),其中 K1K \geq 1。预计 input 是对数概率。

  • 目标 (张量) – (N)(N) 其中每个值都是 0targets[i]C10 \leq \text{targets}[i] \leq C-1,或 (N,d1,d2,...,dK)(N, d_1, d_2, ..., d_K) 其中 K1K \geq 1 用于 K 维损失。

  • 权重 (张量, 可选) – 为每个类别提供的手动重新缩放权重。如果给出,则必须是大小为 C 的张量。

  • size_average (布尔值, 可选) – 已弃用(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,每个样本有多个元素。如果字段 size_average 设置为 False,则损失将在每个小批次中相加。当 reduce 为 False 时忽略。默认值:True

  • ignore_index (整数, 可选) – 指定要忽略的目标值,它不会对输入梯度做出贡献。当 size_averageTrue 时,损失将对非忽略目标进行平均。默认值:-100

  • reduce (布尔值, 可选) – 已弃用(见 reduction)。默认情况下,损失在每个小批次中根据 size_average 在观测值上平均或求和。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 (字符串, 可选) – 指定要应用于输出的归约:'none' | 'mean' | 'sum''none':不应用任何归约,'mean':输出的总和将除以输出中的元素数量,'sum':输出将求和。注意:size_averagereduce 正在被弃用,在此期间,指定这两个参数中的任何一个将覆盖 reduction。默认值:'mean'

返回值类型

张量

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()

文档

访问 PyTorch 的全面开发人员文档

查看文档

教程

获取面向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