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) – ,其中 C = 类别数量,或者在二维损失的情况下为 ,或者在 K 维损失的情况下为 ,其中 。预计 input 是对数概率。
目标 (张量) – 其中每个值都是 ,或 其中 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:-100reduce (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
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()