pytorch中自定义损失函数

在使用深度学习中,大家有各种各样的训练任务,torch.optim中存在的优化算法难免不能满足大家的需求,此时就需要自定义损失函数了,可参考如下过程:

import torch.nn as nn

class DiceLoss(nn.Module):
    def __init__(self):
        super(DiceLoss, self).__init__()
    
    def forward(self, input, target):        
        return -dice_coef(input, target) 


def dice_coef(input, target): 
    smooth = 1
    input_flat = input.view(-1)  # 拉平成一列,即第一维度是计算得来的
    target_flat = target.view(-1)
    intersection = input_flat * target_flat
    return (2 * intersection.sum() + smooth) / (input_flat.sum() + target_flat.sum() + smooth)

criterion = DiceLoss().cuda()   # 使用自己定义的损失函数

 

  • 4
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 3
    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 3
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