最近在一个自己的数据集上做多分类问题,使用的是CrossEntropyLoss作为loss,但是训练效果一直不好。就疯狂找问题,快二十天了,未果。昨天在github上找了一段代码,移植之后。训练居然有效果,在看它的模型时,发现最后一层没有加softmax,手痒就加上去了,网络又没有了学习能力。于是怀疑是不是最后一次softmax的问题。在知乎上找到了一个提问,就是关于这个的,链接如下:
这是个链接
和我这段时间遇到的问题十分的相似,但是我自己的网络还是跑,不知道最后的结果会不会有改善。趁着等网络结果的时间,我谈一谈对这个问题的一些看法。
在pytorch中,交叉熵是NLLloss和log_softmax的结合,pytorch对传入的数据会先进行一次log_softmax,在进行后续的工作。
return nll_loss(log_softmax(input, 1), target, weight, None, ignore_index, None, reduction)
于是我自己写了段验证程序。
import torch
import torch.nn as nn
a = torch.tensor([[1,3,4,1,0.9,3]],dtype=torch.float32)
target = torch.tensor([3])
cre = nn.CrossEntropyLoss