交叉熵损失在PyTorch 中的计算过程

橙子小哥的代码世界

已于 2024-10-11 21:26:36 修改

阅读量383

点赞数 2

分类专栏：深度学习文章标签： sklearn 深度学习神经网络自然语言处理 tensorflow rnn

于 2024-10-11 15:31:22 首次发布

本文链接：https://blog.csdn.net/weixin_41645791/article/details/142855404

版权

其实就是根据真实值的结果，当成索引去取的值

import torch
import torch.nn as nn

aaaa = torch.tensor([[2.0,1.0,3.0],
             [2.0,4.0,2.0]])

l1 = nn.LogSoftmax(dim=-1)
result = l1(aaaa)
print(result)

import torch
import torch.nn as nn

# 定义交叉熵损失函数
criterion = nn.CrossEntropyLoss()

# 模拟的模型输出（没有经过 softmax）
aaaa = torch.tensor([[2.0, 1.0, 3.0],
                     [2.0, 4.0, 2.0]])

# 模拟的目标类别
target = torch.tensor([2, 1])

# 计算交叉熵损失
loss = criterion(aaaa, target)
print("交叉熵损失:", loss.item())