深度学习:02 损失函数总结

目录

nn.L1Loss:

nn.NLLLoss:

nn.MSELoss:

nn.CrossEntropyLoss:


损失函数是用来估量模型的预测值与真实值的不一致程度,它是一个非负实值函数。我们训练模型的过程,就是通过不断的迭代计算,使用梯度下降的优化算法,使得损失函数越来越小。损失函数越小就表示算法达到意义上的最优。

直白来说,就是用它来描述我们模型的鲁棒性,损失函数越小,模型的鲁棒性就越好。

由于我是以学习pytorch入门,所以这里来看看pytorch的内置函数。

nn.L1Loss:

首要条件是x 和 y 的维度要一样(可以是向量或者矩阵),表示输入x和目标y之间差的绝对值,得到的 loss 维度也是对应一样的。

n%5Csum%7Cx_i-y_i%7C

nn.NLLLoss:

用于多分类的负对数似然损失函数

gif.latex?%5Cfn_cm%20loss%28x%2C%20class%29%20%3D%20-x%5Bclass%5D

NLLLoss中如果传递了weights参数,会对损失进行加权,公式就变成了

gif.latex?%5Cfn_cm%20loss%28x%2C%20class%29%20%3D%20-weights%5Bclass%5D%20*%20x%5Bclass%5D                     

nn.MSELoss:

均方损失函数 ,输入x和目标y之间均方差

n%5Csum%28x_i-y_i%29%5E2

nn.CrossEntropyLoss:

多分类用的交叉熵损失函数,LogSoftMax和NLLLoss集成到一个类中,会调用nn.NLLLoss函数,我们可以理解为CrossEntropyLoss()=log_softmax() + NLLLoss()

gif.latex?%5Cfn_cm%20%5Cbegin%7Baligned%7D%20loss%28x%2C%20class%29%26%3D-%5Ctext%7Blog%7D%5Cfrac%7Bexp%28x%5Bclass%5D%29%7D%7B%5Csum_j%20exp%28x%5Bj%5D%29%29%7D%5C%20%26%3D-x%5Bclass%5D%20+%20log%28%5Csum_j%20exp%28x%5Bj%5D%29%29%20%5Cend%7Baligned%7D

因为使用了NLLLoss,所以也可以传入weight参数,这时loss的计算公式变为:

 gif.latex?%5Cfn_cm%20loss%28x%2C%20class%29%20%3D%20weights%5Bclass%5D%20*%20%28-x%5Bclass%5D%20+%20log%28%5Csum_j%20exp%28x%5Bj%5D%29%29%29

所以一般多分类的情况会使用这个损失函数

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

夏天是冰红茶

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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。

余额充值