Pytorch使用记录

Pytorch学习笔记

CrossEntropyLoss示例

from torch import nn
import torch as t

sample=t.tensor([[2.,950],[1,500]])
target=t.tensor([1,1])

criterion = nn.CrossEntropyLoss()

loss=criterion(sample,target)
loss

输出

tensor(0.)

BCELoss示例

import torch as t
criterion=t.nn.BCELoss()

scores=t.tensor([1.,1.])
target=t.tensor([1.,1.])
loss=criterion(scores,target)
loss

输出

tensor(0.)

multilabel_soft_margin_loss示例

import torch.nn.functional as F
import torch as t

scores=t.tensor([[0.,20,0],[0,20,0]])
target=t.tensor([[0.,1.,0],[0.,1.,0]])
loss = F.multilabel_soft_margin_loss(scores, target)
loss

输出

tensor(0.5665)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 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
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