Table of Contents
Shortcuts

PoissonNLLLoss

class torch.nn.PoissonNLLLoss(log_input=True, full=False, size_average=None, eps=1e-08, reduce=None, reduction='mean')[源代码]

具有泊松分布目标的负对数似然损失。

损失可以描述为：

target∼Poisson(input)loss(input,target)=input−target∗log⁡(input)+log⁡(target!)\text{target} \sim \mathrm{Poisson}(\text{input}) \text{loss}(\text{input}, \text{target}) = \text{input} - \text{target} * \log(\text{input}) + \log(\text{target!})

最后一个项可以被省略或用斯特林公式近似。该近似用于目标值大于1的情况。对于目标值小于或等于1的情况，会在损失中添加零。

Parameters

  • log_input (bool, 可选) – 如果 True 损失计算为 exp⁡(input)−target∗input\exp(\text{input}) - \text{target}*\text{input}, 如果 False 损失为 input−target∗log⁡(input+eps)\text{input} - \text{target}*\log(\text{input}+\text{eps}).

  • full (bool, optional) –

    是否计算完整的损失，即是否添加斯特林近似项

    target∗log⁡(target)−target+0.5∗log⁡(2πtarget).\text{target}*\log(\text{target}) - \text{target} + 0.5 * \log(2\pi\text{target}).

  • size_average (布尔值, 可选) – 已弃用（参见 reduction）。默认情况下， 损失在批次中的每个损失元素上进行平均。请注意，对于某些损失，每个样本有多个元素。如果字段 size_average 设置为 False，则损失改为对每个小批次进行求和。当 reduce 为 False 时忽略。默认值：True

  • eps (float, 可选) – 用于避免在 log_input = False 时计算 log⁡(0)\log(0) 的小值。默认值：1e-8

  • reduce (bool, 可选) – 已弃用（参见 reduction）。默认情况下，损失会根据 size_average 的设置在每个小批次中对观测值进行平均或求和。当 reduce 为 False 时，返回每个批次元素的损失，并忽略 size_average。默认值：True

  • reduction (str, 可选) – 指定应用于输出的reduction方式： 'none' | 'mean' | 'sum'。'none'：不进行reduction， 'mean'：输出的总和将除以输出中的元素数量，'sum'：输出将被求和。注意：size_average 和 reduce 正在被弃用，在此期间， 指定这两个参数中的任何一个都将覆盖 reduction。默认值：'mean'

示例：

>>> loss = nn.PoissonNLLLoss()
>>> log_input = torch.randn(5, 2, requires_grad=True)
>>> target = torch.randn(5, 2)
>>> output = loss(log_input, target)
>>> output.backward()
Shape:

  • 输入：(∗)(*)，其中 ∗* 表示任意数量的维度。

  • 目标: (∗)(*), 与输入形状相同。

  • 输出：默认情况下为标量。如果 reduction 是 'none'，则 (∗)(*)，与输入形状相同。

优云智算