赞
踩
交叉熵损失函数,主要是用来判定实际的输出与期望的输出的接近程度。
一般的交叉熵损失函数的公式为:
其中,p为标签值,q为预测值。
torch.nn.CrossEntropyLoss()所用的计算公式是另一个计算公式:
PyTorch中的torch.nn.CrossEntropyLoss()计算时,主要分为三个步骤:
1> 对预测变量按行进行softmax操作
2> 对上述结果进行log(相当于数学里的ln)
3> 对上述结果进行NLLLoss
验证代码
import torch import torch.nn as nn import numpy as np inputs = torch.rand(4, 5) targets = torch.LongTensor(4).random_(5) print("inputs:", inputs) print("targets:", targets) softmax_func=nn.Softmax(dim=1) # 按行进行softmax softmax_output = softmax_func(inputs) print("softmax_output:", softmax_output) log_softmax_output = torch.log(softmax_output) print("log_softmax_output:", log_softmax_output) nllloss_func=nn.NLLLoss() # NLLLoss就是将log_softmax_output的结果与对应label的那个值拿出来,去掉负号,再取均值。 nlloss_output=nllloss_func(log_softmax_output, targets) print("nllloss_output:", nlloss_output) # (1.1813 + 1.4642 + 1.3136 + 1.1491)/ 4 = 1.27705 crossentropyloss=nn.CrossEntropyLoss() crossentropyloss_output=crossentropyloss(inputs, targets) print('crossentropyloss_output:',crossentropyloss_output)
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。