torch.nn.functional.nll_loss

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

计算负对数似然损失。

详细内容请见 NLLLoss 。

参数:

• 输入（张量）- $(N, C)$ 其中 C = 类别数量，或 $(N, C, H, W)$ 在 2D 损失的情况下，或 $(N, C, d_1, d_2, ..., d_K)$ 在 $K \geq 1$ 的情况下，即 K 维损失。输入应为对数概率。

• 目标（张量）- $(N)$ 其中每个值是 $0 \leq \text{targets}[i] \leq C-1$ ，或 $(N, d_1, d_2, ..., d_K)$ 在 $K \geq 1$ 的情况下，即 K 维损失。

• weight (Tensor, 可选) – 每个类分配的手动缩放权重。如果提供，则必须是一个大小为 C 的 Tensor。

• size_average（布尔值，可选）- 已弃用（参见 reduction ）。默认情况下，损失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 ，则损失将改为每个小批量求和。当 reduce 为 False 时忽略。默认值： True

• ignore_index（整数，可选）- 指定一个被忽略的目标值，该值不参与输入梯度。当 size_average 为 True 时，损失将在非忽略的目标上平均。默认：-100

• 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'

返回类型:

张量

示例：

>>> # input is of size N x C = 3 x 5
>>> input = torch.randn(3, 5, requires_grad=True)
>>> # each element in target has to have 0 <= value < C
>>> target = torch.tensor([1, 0, 4])
>>> output = F.nll_loss(F.log_softmax(input, dim=1), target)
>>> output.backward()