Pytorch损失函数nn.NLLLoss2d()

最近做显著星检测用到了NLL损失函数
对于NLL函数，需要自己计算log和softmax的概率值，然后从才能作为输入

输入[batch_size, channel , h, w]
目标[batch_size, h, w]
输入的目标矩阵，每个像素必须是类型.举个例子。第一个像素是0，代表着类别属于输入的第1个通道；第二个像素是0，代表着类别属于输入的第0个通道，以此类推。

x = Variable(torch.Tensor([[[1, 2, 1],
                          [2, 2, 1],
                          [0, 1, 1]],
                          [[0, 1, 3],
                          [2, 3, 1],
                          [0, 0, 1]]]))

x = x.view([1, 2, 3, 3])
print("x输入", x)

这里输入x，并改成[batch_size, channel , h, w]的格式。

soft = nn.Softmax(dim=1)
log_soft = nn.LogSoftmax(dim=1)

然后使用softmax函数计算每个类别的概率，这里dim=1表示从在1维度
上计算，也就是channel维度。logsoftmax是计算完softmax后在计算log值

手动计算举个栗子：第一个元素

y = Variable(torch.LongTensor([[1, 0, 1],
                           [0, 0, 1],
                           [1, 1, 1]]))

y = y.view([1, 3, 3])

输入label y，改变成[batch_size, h, w]格式

loss = nn.NLLLoss2d()
out = loss(x, y)
print(out)

输入函数，得到loss=0.7947

来手动计算
第一个label=1，则 loss=-1.3133
第二个label=0， 则loss=-0.3133
.
…
…
loss= -(-1.3133-0.3133-0.1269-0.6931-1.3133-0.6931-0.6931-1.3133-0.6931)/9 =0.7947222222222223
是一致的

注意：这个函数会对每个像素做平均，每个batch也会做平均，这里有9个像素，1个batch_size。