欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

PyTorch中常見損失函數(shù)的使用詳解

 更新時(shí)間:2023年06月18日 11:34:38   作者:夏天是冰紅茶  
損失函數(shù),又叫目標(biāo)函數(shù),是指計(jì)算機(jī)標(biāo)簽值和預(yù)測值直接差異的函數(shù),本文為大家整理了PyTorch中常見損失函數(shù)的簡單解釋和使用,希望對大家有所幫助

損失函數(shù)

損失函數(shù),又叫目標(biāo)函數(shù)。在編譯神經(jīng)網(wǎng)絡(luò)模型必須的兩個參數(shù)之一。另一個必不可少的就是優(yōu)化器,我將在后面詳解到。

重點(diǎn)

損失函數(shù)是指計(jì)算機(jī)標(biāo)簽值和預(yù)測值直接差異的函數(shù)。

這里我們會結(jié)束幾種常見的損失函數(shù)的計(jì)算方法,pytorch中也是以及定義了很多類型的預(yù)定義函數(shù),具體的公式不需要去深究(學(xué)了也不一定remember),這里暫時(shí)能做就是了解。

我們先來定義兩個二維的數(shù)組,然后用不同的損失函數(shù)計(jì)算其損失值。

import torch
from torch.autograd import Variable
import torch.nn as nn
sample=Variable(torch.ones(2,2))
a=torch.Tensor(2,2)
a[0,0]=0
a[0,1]=1
a[1,0]=2
a[1,1]=3
target=Variable(a)
print(sample,target)

這里:

sample的值為tensor([[1., 1.],[1., 1.]])

target的值為tensor([[0., 1.],[2., 3.]])

nn.L1Loss

L1Loss計(jì)算方法很簡單,取預(yù)測值和真實(shí)值的絕對誤差的平均數(shù)。

loss=FunLoss(sample,target)['L1Loss']
print(loss)

在控制臺中打印出來是

tensor(1.)

它的計(jì)算過程是這樣的:(∣0−1∣+∣1−1∣+∣2−1∣+∣3−1∣)/4=1,先計(jì)算的是絕對值求和,然后再平均。

nn.SmoothL1Loss

SmoothL1Loss的誤差在(-1,1)上是平方損失,其他情況是L1損失。

loss=FunLoss(sample,target)['SmoothL1Loss']
print(loss)

在控制臺中打印出來是

tensor(0.6250)

nn.MSELoss

平方損失函數(shù)。其計(jì)算公式是預(yù)測值和真實(shí)值之間的平方和的平均數(shù)。

loss=FunLoss(sample,target)['MSELoss']
print(loss)

在控制臺中打印出來是

tensor(1.5000)

nn.CrossEntropyLoss

交叉熵?fù)p失公式

此公式常在圖像分類神經(jīng)網(wǎng)絡(luò)模型中會常常用到。

loss=FunLoss(sample,target)['CrossEntropyLoss']
print(loss)

在控制臺中打印出來是

tensor(2.0794)

nn.NLLLoss

負(fù)對數(shù)似然損失函數(shù)

需要注意的是,這里的xlabel和上面的交叉熵?fù)p失里的是不一樣的,這里是經(jīng)過log運(yùn)算后的數(shù)值。這個損失函數(shù)一般用在圖像識別的模型上。

loss=FunLoss(sample,target)['NLLLoss']
print(loss)

這里,控制臺報(bào)錯,需要0D或1D目標(biāo)張量,不支持多目標(biāo)。可能需要其他的一些條件,這里我們?nèi)绻龅搅嗽僬f。

損失函數(shù)模塊化設(shè)計(jì)

class FunLoss():
    def __init__(self, sample, target):
        self.sample = sample
        self.target = target
        self.loss = {
            'L1Loss': nn.L1Loss(),
            'SmoothL1Loss': nn.SmoothL1Loss(),
            'MSELoss': nn.MSELoss(),
            'CrossEntropyLoss': nn.CrossEntropyLoss(),
            'NLLLoss': nn.NLLLoss()
        }
    def __getitem__(self, loss_type):
        if loss_type in self.loss:
            loss_func = self.loss[loss_type]
            return loss_func(self.sample, self.target)
        else:
            raise KeyError(f"Invalid loss type '{loss_type}'")
if __name__=="__main__":
    loss=FunLoss(sample,target)['NLLLoss']
    print(loss)

總結(jié)

這篇博客適合那些希望了解在PyTorch中常見損失函數(shù)的讀者。通過FunLoss我們自己也能簡單的去調(diào)用。

到此這篇關(guān)于PyTorch中常見損失函數(shù)的使用詳解的文章就介紹到這了,更多相關(guān)PyTorch損失函數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • Python中正則表達(dá)式的用法總結(jié)

    Python中正則表達(dá)式的用法總結(jié)

    今天小編就為大家分享一篇關(guān)于Python中正則表達(dá)式的用法總結(jié),小編覺得內(nèi)容挺不錯的,現(xiàn)在分享給大家,具有很好的參考價(jià)值,需要的朋友一起跟隨小編來看看吧
    2019-02-02
  • pytorch 轉(zhuǎn)換矩陣的維數(shù)位置方法

    pytorch 轉(zhuǎn)換矩陣的維數(shù)位置方法

    今天小編就為大家分享一篇pytorch 轉(zhuǎn)換矩陣的維數(shù)位置方法,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-12-12
  • python spilt()分隔字符串的實(shí)現(xiàn)示例

    python spilt()分隔字符串的實(shí)現(xiàn)示例

    split() 方法可以實(shí)現(xiàn)將一個字符串按照指定的分隔符切分成多個子串,本文介紹了spilt的具體使用,感興趣的可以了解一下
    2021-05-05
  • Python循環(huán)結(jié)構(gòu)詳解

    Python循環(huán)結(jié)構(gòu)詳解

    這篇文章主要介紹了Python循環(huán)結(jié)構(gòu)詳解,文中有非常詳細(xì)的代碼示例,對正在學(xué)習(xí)python的小伙伴們有很好的幫助,需要的朋友可以參考下
    2021-05-05
  • Python數(shù)字比較與類結(jié)構(gòu)

    Python數(shù)字比較與類結(jié)構(gòu)

    這篇文章主要介紹了Python數(shù)字比較與類結(jié)構(gòu),文章圍繞主題展開詳細(xì)的內(nèi)容介紹,具有一定的參考價(jià)值,需要的小伙伴可以參考一下
    2022-07-07
  • Python issubclass和isinstance函數(shù)的具體使用

    Python issubclass和isinstance函數(shù)的具體使用

    本文主要介紹了Python issubclass和isinstance函數(shù)的具體使用,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(jià)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
    2023-02-02
  • Python使用Selenium模塊實(shí)現(xiàn)模擬瀏覽器抓取淘寶商品美食信息功能示例

    Python使用Selenium模塊實(shí)現(xiàn)模擬瀏覽器抓取淘寶商品美食信息功能示例

    這篇文章主要介紹了Python使用Selenium模塊實(shí)現(xiàn)模擬瀏覽器抓取淘寶商品美食信息功能,涉及Python基于re模塊的正則匹配及selenium模塊的頁面抓取等相關(guān)操作技巧,需要的朋友可以參考下
    2018-07-07
  • Django展示可視化圖表的多種方式

    Django展示可視化圖表的多種方式

    這篇文章主要介紹了Django展示可視化圖表的多種方式,幫助大家更好的理解和學(xué)習(xí)使用django框架,感興趣的朋友可以了解下
    2021-04-04
  • python開啟多個子進(jìn)程并行運(yùn)行的方法

    python開啟多個子進(jìn)程并行運(yùn)行的方法

    這篇文章主要介紹了python開啟多個子進(jìn)程并行運(yùn)行的方法,涉及Python進(jìn)程操作的相關(guān)技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下
    2015-04-04
  • 通過conda把已有虛擬環(huán)境的python版本進(jìn)行降級操作指南

    通過conda把已有虛擬環(huán)境的python版本進(jìn)行降級操作指南

    當(dāng)使用conda創(chuàng)建虛擬環(huán)境時(shí),有時(shí)候可能會遇到python版本不對的問題,下面這篇文章主要給大家介紹了關(guān)于如何通過conda把已有虛擬環(huán)境的python版本進(jìn)行降級操作的相關(guān)資料,需要的朋友可以參考下
    2024-05-05

最新評論