【pytorch】GaussianNLLLoss 官方文档翻译

GaussianNLLLoss

CLASStorch.nn.GaussianNLLLoss(*, full=False, eps=1e-06, reduction='mean')
高斯负对数似然函数。

target 被视为高斯分布的样本，其期望和方差由神经网络预测给出。对于一个 target 张量建模为具有高斯分布的张量的期望值input和张量的正方差var，其损失为：

$$loss=\frac{1}{2}\left(\log (\mathrm{m}\mathrm{a}\mathrm{x}\left(\mathrm{v}\mathrm{a}\mathrm{r},\mathrm{e}\mathrm{p}\mathrm{s}\right))+\frac{{\left(\mathrm{i}\mathrm{n}\mathrm{p}\mathrm{u}\mathrm{t}-\mathrm{t}\mathrm{a}\mathrm{r}\mathrm{g}\mathrm{e}\mathrm{t}\right)}^2}{\mathrm{m}\mathrm{a}\mathrm{x}\left(\mathrm{v}\mathrm{a}\mathrm{r},\mathrm{e}\mathrm{p}\mathrm{s}\right)}\right)+\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{s}\mathrm{t}.$$
其中eps是用于稳定的。默认情况下，损失函数的常数项是省略的，除非full是True。如果var与input的大小不一样（由于同方差的假设），它必须有一个最终维度为1或者少一个维度（所有其他大小都一样）才能正确广播。

参数：

full (bool, optional) - 在损失计算中包括常数项。默认情况下。False。

eps (float, optional) - 用于钳制var的值（见下面的注释），以保证稳定性。默认值：1e-6。

reduction (str, optional) - 指定应用于输出的归约方式：none| mean | sum. none: 不会应用减法，mean: 输出是所有批次成员损失的平均值，‘sum’: 输出是所有批次成员损失的总数。默认：mean。

形状：

Input：$(N,\ast )$或$(\ast )$，其中$\ast$表示任何数量的额外维度

target：$(N,\ast )$或$(\ast )$，与输入的形状相同，或与输入的形状相同但有一个维度等于1（允许广播）。

Var：$(N,\ast )$或$(\ast )$，与输入的形状相同，或与输入的形状相同但有一个维度等于1，或与输入的形状相同但少一个维度（允许广播）。

output：如果还原是 “平均值”（默认）或 “总和”，则为标量。如果还原是’无’，则是$(N,\ast )$，与输入的形状相同。

例子：

loss = nn.GaussianNLLLoss()
input = torch.randn(5, 2, requires_grad=True)
target = torch.randn(5, 2)
var = torch.ones(5, 2, requires_grad=True) # 异方差
output = loss(input, target, var)
output.backward()

loss = nn.GaussianNLLLoss()
input = torch.randn(5, 2, requires_grad=True)
target = torch.randn(5, 2)
var = torch.ones(5, 1, requires_grad=True) # 同方差
output = loss(input, target, var)
output.backward()