PoissonNLLLoss

class torch.nn.modules.loss.PoissonNLLLoss(log_input=True, full=False, size_average=None, eps=1e-08, reduce=None, reduction='mean')

目標為泊松分佈時的負對數似然損失。

損失函式可以描述為：

$$\text{target} \sim \mathrm{Poisson}(\text{input}) \text{loss}(\text{input}, \text{target}) = \text{input} - \text{target} * \log(\text{input}) + \log(\text{target!})$$

最後一項可以省略或使用斯特林公式進行近似。當 target 值大於 1 時使用近似。對於 target 小於或等於 1 的情況，會向損失值中新增零。

引數

• log_input (bool, optional) – 如果為 True，則損失計算為 $\exp(\text{input}) - \text{target}*\text{input}$；如果為 False，則損失為 $\text{input} - \text{target}*\log(\text{input}+\text{eps})$。

• full (bool, optional) –

  是否計算完整的損失，即加上斯特林近似項

  $$\text{target}*\log(\text{target}) - \text{target} + 0.5 * \log(2\pi\text{target}).$$

• size_average (bool, optional) – 已棄用 (參見 reduction)。預設情況下，損失值在批次中的每個損失元素上取平均值。請注意，對於某些損失，每個樣本有多個元素。如果欄位 size_average 設定為 False，則損失值在每個小批次中而是求和。當 reduce 為 False 時忽略。預設值：True

• eps (float, optional) – 當 log_input = False 時，用於避免計算 $\log(0)$ 的小值。預設值：1e-8

• reduce (bool, optional) – 已棄用 (參見 reduction)。預設情況下，損失值在每個小批次中根據 size_average 對觀測值進行平均或求和。當 reduce 為 False 時，返回每個批次元素的損失值，並忽略 size_average。預設值：True

• reduction (str, optional) – 指定應用於輸出的歸約方式：'none' | 'mean' | 'sum'。'none'：不進行歸約；'mean'：輸出的總和除以輸出中的元素數量；'sum'：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會覆蓋 reduction。預設值：'mean'

示例

>>> loss = nn.PoissonNLLLoss()
>>> log_input = torch.randn(5, 2, requires_grad=True)
>>> target = torch.randn(5, 2)
>>> output = loss(log_input, target)
>>> output.backward()

形狀

• 輸入： $(*)$，其中 $*$ 表示任意數量的維度。

• 目標：$(*)$，與輸入形狀相同。

• 輸出：預設情況下為標量。如果 reduction 為 'none'，則輸出形狀與輸入相同。

forward(log_input, target)

執行前向傳播。

返回型別

張量