torch.nn.functional.nll_loss¶

torch.nn.functional.nll_loss(input, target, weight=None, size_average=None, ignore_index=-100, reduce=None, reduction='mean')[源代码]¶

计算负对数似然损失。

详情请参见 NLLLoss。

Parameters

输入 (Tensor) – $(N, C)$ 其中 C = 类别数量或者 $(N, C, H, W)$ 在二维损失的情况下，或者 $(N, C, d_1, d_2, ..., d_K)$ 其中 $K \geq 1$ 在K维损失的情况下。输入应为对数概率。
目标 (张量) – $(N)$ 其中每个值为 $0 \leq \text{targets}[i] \leq C-1$ , 或 $(N, d_1, d_2, ..., d_K)$ 其中 $K \geq 1$ 用于 K维损失。
权重 (张量, 可选) – 手动调整每个类别的权重。如果提供，必须是一个大小为 C 的张量
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，每个样本可能有多个元素。如果字段 size_average 设置为 False，则损失将改为对每个小批次进行求和。当 reduce 为 False 时忽略。默认值：True
ignore_index (int, 可选) – 指定一个目标值，该值将被忽略，并且不会对输入梯度产生贡献。当 size_average 为 True 时，损失将平均在非忽略的目标上。默认值：-100
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'

Return type

张量

示例：

>>> # 输入的大小为 N x C = 3 x 5
>>> input = torch.randn(3, 5, requires_grad=True)
>>> # 目标中的每个元素必须满足 0 <= 值 < C
>>> target = torch.tensor([1, 0, 4])
>>> output = F.nll_loss(F.log_softmax(input, dim=1), target)
>>> output.backward()