损失函数（Loss functions）

torch.nn.functional.nll_loss(input, target, weight=None, size_average=True)

负的log likelihood损失函数. 详细请看NLLLoss.

参数：

  • input - (N,C) C 是类别的个数
  • target - (N) 其大小是 0 <= targets[i] <= C-1
  • weight (Variable, optional) – 一个可手动指定每个类别的权重。如果给定的话，必须是大小为nclasses的Variable
  • size_average (bool, optional) – 默认情况下，是mini-batchloss的平均值，然而，如果size_average=False，则是mini-batchloss的总和。

Variables:

  • weight – 对于constructor而言，每一类的权重作为输入

torch.nn.functional.kl_div(input, target, size_average=True)

KL 散度损失函数，详细请看KLDivLoss

参数：

  • input – 任意形状的 Variable
  • target – 与输入相同形状的 Variable
  • size_average – 如果为TRUE，loss则是平均值，需要除以输入 tensor 中 element 的数目

torch.nn.functional.cross_entropy(input, target, weight=None, size_average=True)

该函数使用了 log_softmax 和 nll_loss，详细请看CrossEntropyLoss

参数：

  • input - (N,C) 其中，C 是类别的个数
  • target - (N) 其大小是 0 <= targets[i] <= C-1
  • weight (Variable, optional) – 一个可手动指定每个类别的权重。如果给定的话，必须是大小为nclasses的Variable
  • size_average (bool, optional) – 默认情况下，是mini-batchloss的平均值，然而，如果size_average=False，则是mini-batchloss的总和。

torch.nn.functional.binary_cross_entropy(input, target, weight=None, size_average=True)

该函数计算了输出与target之间的二进制交叉熵，详细请看BCELoss

参数：

  • input – 任意形状的 Variable
  • target – 与输入相同形状的 Variable
  • weight (Variable, optional) – 一个可手动指定每个类别的权重。如果给定的话，必须是大小为nclasses的Variable
  • size_average (bool, optional) – 默认情况下，是mini-batchloss的平均值，然而，如果size_average=False，则是mini-batchloss的总和。

torch.nn.functional.smooth_l1_loss(input, target, size_average=True)

results matching ""

    No results matching ""