PoissonNLLLoss

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

目标泊松分布的负对数似然损失。

损失可以描述为：

$$\text{target} \sim \mathrm{Poisson}(\text{input}) \text{loss}(\text{input}, \text{target}) = \text{input} - \text{target} * \log(\text{input}) + \log(\text{target!})$$

最后一个项可以省略或用斯特林公式近似。对于大于 1 的目标值使用近似。对于小于或等于 1 的目标值，在损失中添加零。

参数:

• log_input (布尔值，可选) – 如果 True ，损失计算为 $\exp(\text{input}) - \text{target}*\text{input}$ ，如果 False ，损失为 $\text{input} - \text{target}*\log(\text{input}+\text{eps})$ 。

• full (bool, 可选) –

  是否计算完整损失，即添加斯特林近似项

  $$\text{target}*\log(\text{target}) - \text{target} + 0.5 * \log(2\pi\text{target}).$$

• size_average（布尔值，可选）- 已弃用（参见 reduction ）。默认情况下，损失会在批次的每个损失元素上平均。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 minibatch 求和。当 reduce 为 False 时，将被忽略。默认： True

• eps (float, 可选) – 用于避免评估 $\log(0)$ 当 log_input = False 的小值。默认：1e-8

• reduce（布尔值，可选）- 已弃用（参见 reduction ）。默认情况下，损失会在每个 minibatch 的观测上平均或求和，具体取决于 size_average 。当 reduce 为 False 时，将返回每个批次的损失，并忽略 size_average 。默认： True

• reduction（字符串，可选）- 指定应用于输出的缩减方式： 'none' | 'mean' | 'sum' 。 'none' ：不应用缩减， 'mean' ：输出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，指定这两个参数之一将覆盖 reduction 。默认： '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()

形状：

• 输入： $(*)$ ，其中 $*$ 表示任意数量的维度。

• 目标： $(*)$ ，与输入形状相同。

• 输出：默认为标量。如果 reduction 是 'none' ，则 $(*)$ ，与输入具有相同的形状。