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值。

详情请参阅NLLLoss。

参数

• 输入 (Tensor) – 形状为$(N, C)$，其中C = 类别数量；在2D损失的情况下，形状为 $(N, C, H, W)$；在K维损失的情况下，形状为$(N, C, d_1, d_2, ..., d_K)$ 其中$K \geq 1$>。输入预期为对数概率。

• target (Tensor) – 形状为 $(N)$ 的张量，其中每个值满足$0 \leq \text{targets}[i] \leq C-1$；或者形状为 $(N, d_1, d_2, ..., d_K)$ 的张量，其中$K \geq 1$，用于计算 K 维损失。

• weight (Tensor, optional) – 每个类别的手动重缩放权重。如果提供，必须是一个大小为 C 的 Tensor。

• size_average (bool, optional) – 已弃用（请参见reduction）。默认情况下，损失值会在批次中的每个损失元素上进行平均计算。需要注意的是，对于某些损失函数，每个样本包含多个损失元素。如果将字段 size_average 设置为 False，则损失值会针对每个小批量进行求和。当参数 reduce 为 False 时，此设置会被忽略。默认值： True

• ignore_index (int, 可选) – 指定一个被忽略的目标值，该值不会影响输入梯度。当 size_average 为 True 时，损失会基于非忽略的目标进行平均计算。默认值：-100

• reduce (bool, optional) – 已弃用（请参见reduction）。默认情况下，损失值会根据size_average参数在每个小批量中进行平均或求和。当reduce为False时，返回每批元素的单独损失值，并忽略size_average设置。默认值：True

• reduction (str, 可选) – 指定要应用于输出的缩减方式：'none' | 'mean' | 'sum'。
  'none': 不进行任何缩减，'mean': 输出总和除以元素数量，'sum': 对输出求和。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将覆盖 reduction 参数。默认值： 'mean'

返回类型

Tensor

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()