pytorch的nn.CrossEntropyLoss()函数使用方法

nn.CrossEntropyLoss()函数计算交叉熵损失

用法：

# output是网络的输出，size=[batch_size, class] #如网络的batch size为128，数据分为10类，则size=[128, 10]# target是数据的真实标签，是标量，size=[batch_size] #如网络的batch size为128，则size=[128]crossentropyloss=nn.CrossEntropyLoss() crossentropyloss_output=crossentropyloss(output,target)

注意，使用nn.CrossEntropyLoss()时，不需要现将输出经过softmax层，否则计算的损失会有误，即直接将网络输出用来计算损失即可

nn.CrossEntropyLoss()的计算公式为：

 其中x是网络的输出向量，class是真实标签

举个例子，一个三分类网络对某个输入样本的输出为[-0.7715, -0.6205,-0.2562]，该样本的真实标签为0，则用nn.CrossEntropyLoss()计算的损失为：

总结

以上是生活随笔为你收集整理的pytorch的nn.CrossEntropyLoss()函数使用方法的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。