PoissonNLLLoss

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

基于泊松分布的目标的负对数似然损失。

损失可以表示为：

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

最后一项可以省略，或者使用斯特林公式进行近似。当目标值大于 1 时采用此近似方法。如果目标值小于或等于 1，则在损失中添加零。

参数

• log_input (bool, optional) – 如果为True，损失计算公式为$\exp(\text{input}) - \text{target}*\text{input}$；如果为False，损失计算公式为$\text{input} - \text{target}*\log(\text{input}+\text{eps})$.

• full (bool, 可选) –

  是否计算完整的损失值，包括斯特林近似项

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

• 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求和。当reduce 为 False时，此设置会被忽略。默认值： True

• eps (float, 可选) – 一个小的数值，用于避免在log_input = False时计算$\log(0)$。默认值：1e-8

• 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'

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$*$表示任意维度的数量。

• 目标: $(*)$，形状与输入相同。

• 输出：默认为标量。如果 reduction 是 'none'，则输出形状与输入相同，表示为$(*)$。