torch.nn.functional.nll_loss

torch.nn.functional.nll_loss(input, target, weight=None, size_average=None, ignore_index=-100, reduce=None, reduction='mean')

計算負對數似然損失。

更多細節請參見 NLLLoss。

引數

• input (Tensor) – $(N, C)$，其中 C = 類別數，或者在 2D Loss 的情況下為 $(N, C, H, W)$，或者在 K 維損失的情況下為 $(N, C, d_1, d_2, ..., d_K)$，其中 $K \geq 1$。 input 應該為對數機率。

• target (Tensor) – $(N)$，其中每個值滿足 $0 \leq \text{targets}[i] \leq C-1$，或者在 K 維損失的情況下為 $(N, d_1, d_2, ..., d_K)$，其中 $K \geq 1$。

• weight (Tensor, 可選) – 為每個類手動分配的重縮放權重。如果提供，則必須是大小為 C 的 Tensor。

• size_average (bool, optional) – 已棄用（請參閱 reduction）。

• ignore_index (int, 可選) – 指定一個被忽略且不計入輸入梯度的目標值。當 size_average 為 True 時，損失將根據非忽略目標進行平均。預設為 -100。

• reduce (bool, optional) – 已棄用（請參閱 reduction）。

• reduction (str, 可選) – 指定應用於輸出的歸約方式：'none' | 'mean' | 'sum'。'none'：不進行歸約；'mean'：輸出的總和將除以輸出中的元素數量；'sum'：將對輸出進行求和。注意：size_average 和 reduce 正在被棄用，在此期間，指定這兩個引數中的任何一個都將覆蓋 reduction。預設為 'mean'。

返回型別

張量

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()