欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

pytorch中交叉熵?fù)p失(nn.CrossEntropyLoss())的計(jì)算過程詳解

 更新時間:2020年01月02日 09:46:59   作者:aift  
今天小編就為大家分享一篇pytorch中交叉熵?fù)p失(nn.CrossEntropyLoss())的計(jì)算過程詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧

公式

首先需要了解CrossEntropyLoss的計(jì)算過程,交叉熵的函數(shù)是這樣的:

其中,其中yi表示真實(shí)的分類結(jié)果。這里只給出公式,關(guān)于CrossEntropyLoss的其他詳細(xì)細(xì)節(jié)請參照其他博文。

測試代碼(一維)

import torch
import torch.nn as nn
import math

criterion = nn.CrossEntropyLoss()
output = torch.randn(1, 5, requires_grad=True)
label = torch.empty(1, dtype=torch.long).random_(5)
loss = criterion(output, label)

print("網(wǎng)絡(luò)輸出為5類:")
print(output)
print("要計(jì)算label的類別:")
print(label)
print("計(jì)算loss的結(jié)果:")
print(loss)

first = 0
for i in range(1):
  first = -output[i][label[i]]
second = 0
for i in range(1):
  for j in range(5):
    second += math.exp(output[i][j])
res = 0
res = (first + math.log(second))
print("自己的計(jì)算結(jié)果:")
print(res)

測試代碼(多維)

import torch
import torch.nn as nn
import math
criterion = nn.CrossEntropyLoss()
output = torch.randn(3, 5, requires_grad=True)
label = torch.empty(3, dtype=torch.long).random_(5)
loss = criterion(output, label)

print("網(wǎng)絡(luò)輸出為3個5類:")
print(output)
print("要計(jì)算loss的類別:")
print(label)
print("計(jì)算loss的結(jié)果:")
print(loss)

first = [0, 0, 0]
for i in range(3):
  first[i] = -output[i][label[i]]
second = [0, 0, 0]
for i in range(3):
  for j in range(5):
    second[i] += math.exp(output[i][j])
res = 0
for i in range(3):
  res += (first[i] + math.log(second[i]))
print("自己的計(jì)算結(jié)果:")
print(res/3)

nn.CrossEntropyLoss()中的計(jì)算方法

注意:在計(jì)算CrossEntropyLosss時,真實(shí)的label(一個標(biāo)量)被處理成onehot編碼的形式。

在pytorch中,CrossEntropyLoss計(jì)算公式為:

CrossEntropyLoss帶權(quán)重的計(jì)算公式為(默認(rèn)weight=None):

以上這篇pytorch中交叉熵?fù)p失(nn.CrossEntropyLoss())的計(jì)算過程詳解就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • PyQt5實(shí)現(xiàn)界面(頁面)跳轉(zhuǎn)的示例代碼

    PyQt5實(shí)現(xiàn)界面(頁面)跳轉(zhuǎn)的示例代碼

    這篇文章主要介紹了PyQt5實(shí)現(xiàn)界面跳轉(zhuǎn)的示例代碼,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2021-04-04
  • Python中音頻處理庫pydub的使用教程

    Python中音頻處理庫pydub的使用教程

    這篇文章主要給大家介紹了關(guān)于Python中音頻處理庫pydub的使用教程,pydub是Python中用戶處理音頻文件的一個庫,文中介紹的非常詳細(xì),對大家具有一定的參考學(xué)習(xí)價值,需要的朋友們下面來一起看看吧。
    2017-06-06
  • 淺談Pandas dataframe數(shù)據(jù)處理方法的速度比較

    淺談Pandas dataframe數(shù)據(jù)處理方法的速度比較

    這篇文章主要介紹了淺談Pandas dataframe數(shù)據(jù)處理方法的速度比較,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-04-04
  • Python中用xlwt制作表格實(shí)例講解

    Python中用xlwt制作表格實(shí)例講解

    在本篇文章里小編給大家整理的是一篇關(guān)于Python中用xlwt制作表格實(shí)例講解內(nèi)容,有興趣的朋友們可以學(xué)習(xí)下。
    2020-11-11
  • Python協(xié)程 yield與協(xié)程greenlet簡單用法示例

    Python協(xié)程 yield與協(xié)程greenlet簡單用法示例

    這篇文章主要介紹了Python協(xié)程 yield與協(xié)程greenlet簡單用法,簡要講述了協(xié)程的概念、原理,并結(jié)合實(shí)例形式分析了Python協(xié)程 yield與協(xié)程greenlet基本使用方法,需要的朋友可以參考下
    2019-11-11
  • tensorflow實(shí)現(xiàn)對張量數(shù)據(jù)的切片操作方式

    tensorflow實(shí)現(xiàn)對張量數(shù)據(jù)的切片操作方式

    今天小編就為大家分享一篇tensorflow實(shí)現(xiàn)對張量數(shù)據(jù)的切片操作方式,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-01-01
  • python之NAN和INF值處理方式

    python之NAN和INF值處理方式

    這篇文章主要介紹了python之NAN和INF值處理方式,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2022-05-05
  • 使用Python 自動生成 Word 文檔的教程

    使用Python 自動生成 Word 文檔的教程

    今天小編就為大家分享一篇使用Python 自動生成 Word 文檔的教程,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-02-02
  • 10個易被忽視但應(yīng)掌握的Python基本用法

    10個易被忽視但應(yīng)掌握的Python基本用法

    這篇文章主要介紹了10個易被忽視但應(yīng)掌握的Python基本用法,如字典推導(dǎo)、內(nèi)省工具等,主要針對Python3版本,需要的朋友可以參考下
    2015-04-04
  • django緩存配置的幾種方法詳解

    django緩存配置的幾種方法詳解

    緩存對各位學(xué)習(xí)或者使用django的朋友們來說應(yīng)該都不陌生,下面這篇文章主要給大家介紹了關(guān)于django緩存配置的幾種方法,文中通過示例代碼介紹的非常詳細(xì),需要的朋友可以參考下
    2018-07-07

最新評論