pytorch深度学习loss函数

最新推荐文章于 2024-08-14 11:24:59 发布

Evelyn Young

最新推荐文章于 2024-08-14 11:24:59 发布

阅读量67

点赞数

分类专栏：深度学习文章标签：深度学习 pytorch

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/m0_37572755/article/details/132611186

版权

深度学习专栏收录该内容

1 篇文章 0 订阅

订阅专栏

nn.Cross entropy loss

交叉熵损失函数

$L(y,p) = \frac{1}{N} \sum \sum_{i}^{} -[y_i \cdot log(p_i) + (1 - y_i) \cdot log(1-p_i)]$

其中y为标签，p为预测值。

=softmax + log + NLL Loss

NLL Loss = 取target相应位置，取反，求平均

* 直接输入output和target，网络中不用加softmax或者对target做one hot编码。

nn.BCELoss

binary cross entropy loss

输入应为概率，范围在[0,1]

output-->sigmoid/softmax-->BCELOSS

target直接输入

nn.BCEWithLogitsLoss

=sigmoid + BCELoss

相当于直接输入output和target

BCELoss_class_weighted

$L=-\sum_{i}^{}W_1 y_i log(p_i)-(1-y_i)W_0log(1-p_i)$

Focal Loss

$FL=\left\{\begin{matrix}-\alpha (1-p)^\gamma log(p),y=1 \\ -(1-\alpha )p^\gamma log(1-p), y=0 \end{matrix}\right.$

根据样本不平衡&识别难度来算loss

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
pytorch深度学习loss函数

交叉熵损失函数其中y为标签，p为预测值。NLL Loss = 取target相应位置，取反，求平均* 直接输入output和target，网络中不用加softmax或者对target做one hot编码。
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。