Pytorch中的数学函数

log_softmax

log(softmax(X))

function：torch.nn.functional.log_softmax(x, dim=None)

nn：torch.nn.LogSoftmax(dim=None)

（对于神经网络nn，上式是定义，在feed的时候读入的参数和nn.functional是类似的）

如：

nll_loss

The negative log likelihood loss

function：torch.nn.functional.nll_loss(input, target, weight=None, size_average=True, ignore_index=-100, reduce=None, reduction='elementwise_mean')

nn：torch.nn.NLLLoss(weight=None, size_average=True, ignore_index=-100, reduce=None, reduction='elementwise_mean')

如：

function:

nn:

这里的3是batch_size，5是class_num，target就是标签，[1, 0, 4]代表这个batch里的三个标签

注：log_softmax + nll_loss 就相当于 CrossEntropyLoss

CrossEntropyLoss

一般地，对于分类问题，当model模块计算好每个类别对应的概率后，可以直接接上一个CrossEntropyLoss就行了

如：

注意输入中的target是可以直接用label的index，不用转化为one-hot向量的，nn.CrossEntropyLoss()会自动帮你转化

建议直接参考：

https://pytorch.org/docs/stable/nn.html?highlight=nn%20crossentropy#torch.nn.CrossEntropyLoss

MSELoss

如：

 

参考：

https://pytorch.org/docs/master/nn.html

转载于:https://www.cnblogs.com/sbj123456789/p/9532462.html