torch.nn.functional.nll_loss

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

Потеря отрицательного логарифма вероятности.

См. NLLLoss для подробностей.

Параметры

• input (Тензор) – $(N, C)$, где C = number of classes или $(N, C, H, W)$ в случае потери 2D, или $(N, C, d_1, d_2, ..., d_K)$, где $K \geq 1$ в случае потери K-мерной потери. input ожидается, что будет логарифмом вероятностей.
• target (Тензор) – $(N)$, где каждое значение равно $0 \leq \text{targets}[i] \leq C-1$, или $(N, d_1, d_2, ..., d_K)$, где $K \geq 1$ для K-мерной потери.
• weight (Тензор, необязательно) – вес для ручного изменения масштаба каждой категории. Если задано, должно быть тензором размера C
• size_average (bool, необязательно) – Устарело (см. reduction). По умолчанию потери усредняются по каждому элементу потери в наборе данных. Обратите внимание, что для некоторых потерь существует несколько элементов на образец. Если поле size_average установлено в False, потери суммируются для каждой мини-партії. Игнорируется, когда reduce равно False. По умолчанию: True
• ignore_index (int, необязательно) – Указывает целевое значение, которое игнорируется и не вносит вклад в градиент входных данных. Когда size_average равно True, потеря усредняется по неигнорируемым целям. По умолчанию: -100
• reduce (bool, необязательно) – Устарело (см. reduction). По умолчанию, потери усредняются или суммируются по наблюдениям для каждой мини-партії в зависимости от size_average. Когда reduce равно False, возвращает потерю на элемент пакета и игнорирует size_average. По умолчанию: True
• reduction (str, необязательно) – Указывает уменьшение, которое нужно применить к выводу: 'none' | 'mean' | 'sum'. 'none': не будет применено уменьшение, 'mean': сумма вывода будет разделена на количество элементов в выводе, 'sum': вывод будет суммирован. Примечание: size_average и reduce находятся в процессе устаревания, и тем временем указание любого из этих двух аргументов переопределит reduction. По умолчанию: 'mean'

Тип возвращаемого значения

Тензор

Пример:

>>> # 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()