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。

详情请参见 NLLLoss。

参数

• input (Tensor) – $(N, C)$，其中 C = 类别数；或在 2D 损失情况下为 $(N, C, H, W)$；或在 K 维损失情况下为 $(N, C, d_1, d_2, ..., d_K)$，其中 $K \geq 1$。input 预期是对数概率。

• target (Tensor) – $(N)$，其中每个值都在 $0 \leq \text{targets}[i] \leq C-1$ 范围内；或在 K 维损失情况下为 $(N, d_1, d_2, ..., d_K)$，其中 $K \geq 1$。

• weight (Tensor, optional) – 为每个类别手动设置的缩放权重。如果给出，必须是大小为 C 的张量。

• size_average (bool, optional) – 已弃用 (见 reduction)。默认情况下，损失对批次中的每个损失元素进行平均。请注意，某些损失对于每个样本有多个元素。如果字段 size_average 设置为 False，则改为对每个 mini-batch 的损失求和。当 reduce 为 False 时忽略。默认值: True

• ignore_index (int, optional) – 指定一个将被忽略且不参与输入梯度的目标值。当 size_average 为 True 时，损失将对未被忽略的目标进行平均。默认值: -100

• reduce (bool, optional) – 已弃用 (见 reduction)。默认情况下，损失对每个 mini-batch 的观测值进行平均或求和，取决于 size_average。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, optional) – 指定应用于输出的缩减方式: '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会覆盖 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()