pytorch中交叉熵损失(nn.CrossEntropyLoss())的计算过程详解
公式
首先需要了解CrossEntropyLoss的计算过程，交叉熵的函数是这样的：
其中，其中yi表示真实的分类结果。这里只给出公式，关于CrossEntropyLoss的其他详细细节请参照其他博文。
测试代码（一维）
importtorch
importtorch.nnasnn
importmath
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("网络输出为5类:")
print(output)
print("要计算label的类别:")
print(label)
print("计算loss的结果:")
print(loss)
first=0
foriinrange(1):
first=-output[i][label[i]]
second=0
foriinrange(1):
forjinrange(5):
second+=math.exp(output[i][j])
res=0
res=(first+math.log(second))
print("自己的计算结果：")
print(res)
测试代码（多维）
importtorch
importtorch.nnasnn
importmath
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("网络输出为3个5类:")
print(output)
print("要计算loss的类别:")
print(label)
print("计算loss的结果:")
print(loss)
first=[0,0,0]
foriinrange(3):
first[i]=-output[i][label[i]]
second=[0,0,0]
foriinrange(3):
forjinrange(5):
second[i]+=math.exp(output[i][j])
res=0
foriinrange(3):
res+=(first[i]+math.log(second[i]))
print("自己的计算结果：")
print(res/3)
nn.CrossEntropyLoss()中的计算方法
注意：在计算CrossEntropyLosss时，真实的label（一个标量）被处理成onehot编码的形式。
在pytorch中，CrossEntropyLoss计算公式为：
CrossEntropyLoss带权重的计算公式为（默认weight=None）：
以上这篇pytorch中交叉熵损失(nn.CrossEntropyLoss())的计算过程详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。