PoissonNLLLoss

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

使用泊松分佈作為目標負對數似然損失。

損失可以描述為

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

最後一項可以省略，或者用斯特林公式近似。對於目標值大於 1 的情況，使用近似值。對於小於或等於 1 的目標，損失中會加上零。

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，則損失計算為 $\text{input} - \text{target}*\log(\text{input}+\text{eps})$。

• full (bool, optional) –

  是否計算完整損失，即新增斯特林近似項

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

• size_average (bool, optional) – 已棄用（參見 reduction）。預設情況下，損失會平均到批次中的每個損失元素上。請注意，對於某些損失，每個樣本有多個元素。如果 size_average 欄位設定為 False，則損失將改為對每個小批次求和。當 reduce 為 False 時忽略此引數。預設值： True

• eps (float, optional) – 一個用於避免在 log_input = False 時計算 $\log(0)$ 的小值。預設值：1e-8

• reduce (bool, optional) – 已棄用（參見 reduction）。預設情況下，根據 size_average 對每個小批次的觀測值求平均或求和。當 reduce 為 False 時，返回每個批次元素的損失，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'：不應用歸約， 'mean'：輸出的總和將除以輸出中的元素數量， 'sum'：輸出將求和。注意：size_average 和 reduce 正在被棄用，同時，指定這兩個引數中的任何一個將覆蓋 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 $*$ 表示任意維度數。

• 目標：$(*)$，與輸入形狀相同。

• 輸出：預設為標量。如果 reduction 是 'none'，則形狀為 $(*)$，與輸入形狀相同。