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

• 目标 (张量) – $(N)$ 其中每个值都是 $0 \leq \text{targets}[i] \leq C-1$，或 $(N, d_1, d_2, ..., d_K)$ 其中 $K \geq 1$ 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_average 为 True 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 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 (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_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()