pytorch自定义交叉熵损失函数

最新推荐文章于 2024-03-25 22:22:11 发布

AI算法网奇

最新推荐文章于 2024-03-25 22:22:11 发布

阅读量2.5k

点赞数 1

分类专栏： pytorch知识宝典

本文链接：https://blog.csdn.net/jacke121/article/details/118974079

版权

pytorch知识宝典专栏收录该内容

499 篇文章 226 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何在PyTorch中创建自定义的交叉熵损失函数，包括适用于1维和2维标签的情况。示例代码展示了一个2维测试交叉熵的实现，其中output的维度为[batch_size, 所分类预测值, 样本数]，而label的维度为[batch_size, 样本数]。此外，还提到了其他几种不同的损失函数实现链接。" 113131087,10295413,MySQL连接方式：Socket与TCP/IP详解,"['数据库', 'MySQL', '网络连接', 'Unix/Linux']

摘要由CSDN通过智能技术生成

这个在label为1维的时候能对的上。

2维测试交叉熵代码：

注意：

output 维度是[batch_size,所分类预测值，样本数]

label维度是[batch_size,样本数]

output = torch.randn(3, 3,5, requires_grad=True)
label = torch.empty((3,5), dtype=torch.long).random_(3)

import torch
import torch.nn as nn
import numpy as np


class CrossEntropyLoss(nn.Module):
    def __init__(self):
        super(CrossEntropyLoss, self).__init__()

    def forward(self, output, label):

        if label.dim()>1:
            output=output.permute(0,2,1)
            label=label.view(-1)
            output=output.reshape((label.size(0),output.size(2)))
        first = [-output[i][label[i]] for i in range(label.s

了解本专栏