【DeepLearning】【PyTorch 】PyTorch 损失函数封装中 size_average、reduce 和 reduction 三个参数的意义

本文主要说明 PyTorch 损失函数封装中 size_average、reduce 和 reduction 三个参数的意义.

PyTorch 中提供损失函数的 类封装 torch.nn.modules.loss 和 函数封装 torch.nn.functional. 他们有 size_average、size_average、reduction 三个参数，这三个参数理解起来有些复杂，做以下纪录.

• size_average (布尔类型, 可选参数)
  已过时（Deprecated）（见 reduction）. 一般地，losses 损失函数值为 batch 中对所有 loss 元素的平均值. 这里注意，对有些类型的损失函数，在单个训练样本中存在多个元素. 如果 size_average 域设为 False，losses 损失函数值为 minibatch 中对所有 loss 元素的求和. 当 reduce 设为 False 时，忽略 size_average 域. 缺省为：True.

• reduce (布尔类型, 可选参数)
  已过时（Deprecated）（见 reduction）. 一般地，losses 损失函数值为 minibatch 中对所有 loss 张量元素的平均值或求和，这取决于 size_average 域的设置. 当 reduce 为 False，返回 batch 中每个样本的 loss 值，并忽略 size_average. 缺省为：True.

• reduction (字符串类型, 可选参数) ’
  确定对 loss 输出结果应用 reduction 的类型： ‘none’ | ‘mean’ | ‘sum’ . 注意，size_average 和 reduce 将在后续版本中被弃用（being deprecated），但与此同时，这两个参数的设置将覆盖 reduction. 缺省为：‘mean’.

  • ‘none’：无 reduction 被应用.
  • ‘mean’：对输出结果求和并除以输出结果张量中的元素个数.
  • ‘sum’：对输出结果求和.

以上内容翻译自 PyTorch 官方文档，但是并不易于理解. 简单来说：

reduce 决定是求整个 batch 的 loss 值，还是求 batch 中每个 sample 的 loss 值. 默认为 True 求整个 batch 的 loss 值.

size_average 决定 loss 是求平均还是求和. 默认为 True 求平均. 并且当为 False 时，忽略 reduce 的设置.

reduction的作用等同于 size_average + reduce. ‘none’ 为求 minibatch 中每个 sample 的 loss 值. ‘mean’ 为求整个 minibatch 的 loss 值，对 minibatch 中所有 sample 的 loss 值求平均. ‘sum’ 为求整个 minibatch 的 loss 值， 对 minibatch 中所有 sample 的 loss 值求和.