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。

詳情請參見 NLLLoss。

引數

• input (Tensor) – $(N, C)$，其中 C = 類別數；或在 2D 損失情況下為 $(N, C, H, W)$；或在 K 維損失情況下為 $(N, C, d_1, d_2, ..., d_K)$，其中 $K \geq 1$。input 預期是對數機率。

• target (Tensor) – $(N)$，其中每個值都在 $0 \leq \text{targets}[i] \leq C-1$ 範圍內；或在 K 維損失情況下為 $(N, d_1, d_2, ..., d_K)$，其中 $K \geq 1$。

• weight (Tensor, optional) – 為每個類別手動設定的縮放權重。如果給出，必須是大小為 C 的張量。

• size_average (bool, optional) – 已棄用 (見 reduction)。預設情況下，損失對批次中的每個損失元素進行平均。請注意，某些損失對於每個樣本有多個元素。如果欄位 size_average 設定為 False，則改為對每個 mini-batch 的損失求和。當 reduce 為 False 時忽略。預設值: True

• ignore_index (int, optional) – 指定一個將被忽略且不參與輸入梯度的目標值。當 size_average 為 True 時，損失將對未被忽略的目標進行平均。預設值: -100

• reduce (bool, optional) – 已棄用 (見 reduction)。預設情況下，損失對每個 mini-batch 的觀測值進行平均或求和，取決於 size_average。當 reduce 為 False 時，將返回每個批次元素的損失並忽略 size_average。預設值: True

• reduction (str, optional) – 指定應用於輸出的縮減方式: 'none' | 'mean' | 'sum'。'none': 不應用任何縮減，'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，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'

返回型別

Tensor

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()