本文共 2281 字,大约阅读时间需要 7 分钟。
损失函数:衡量模型输出与真实标签的差异
正则项是通过权值来平衡模型中明显特征和不明显特征,使模型不会过拟合
功能: nn.LogSoftmax ()与nn.NLLLoss ()结合,进行
交叉熵计算 主要参数: • w eigh t:各类别的loss设置权值 • igno re _ind e x:忽略某个类别 • redu c tion :计算模式,可为none/sum /m e an none- 逐个元素计算 sum- 所有元素求和,返回标量 m e an- 加权平均,返回标量功能:实现负对数似然函数中的负号功能
主要参数: • weigh t:各类别的loss设置权值 • igno re _ind e x:忽略某个类别 • redu c tion :计算模式,可为none/sum /m e an none-逐个元素计算 sum-所有元素求和,返回标量 m e an-加权平均,返回标量功能:二分类交叉熵
注意事项:输入值取值在[0,1] 主要参数: • w eigh t:各类别的loss设置权值 • igno re _ind e x:忽略某个类别 • redu c tion :计算模式,可为none/sum /m e an功能:结合Sigmoid与二分类交叉熵
注意事项:网络最后不加sigmoid函数 主要参数: • pos _w eigh t :正样本的权值 • weigh t:各类别的loss设置权值 • igno re _ind e x:忽略某个类别 • redu c tion :计算模式,可为none/sum /m e an功能:计算inputs与target之差的绝对值
功能:计算inputs与target之差的平方
主要参数:功能:泊松分布的负对数似然损失函数
主要参数: • log_input :输入是否为对数形式,决定计算公式 • full :计算所有loss,默认为False • eps :修正项,避免log(input)为nan功能:计算KLD(divergence),KL散度,相对
熵 注意事项:需提前将输入计算 log-probabilities, 如通过nn.logsoftmax() 主要参数: • reduction :none/sum/mean/batchmean batchmean- batchsize维度求平均值功能:计算两个向量之间的相似度,用于排序任务
特别说明:该方法计算两组数据之间的差异,返回一个n*n 的 loss 矩阵 主要参数: • margin :边界值,x1与x2之间的差异值 • reduction :计算模式,可为none/sum/mean y = 1时, 希望x1比x2大,当x1>x2时,不产生loss y = -1时,希望x2比x1大,当x2>x1时,不产生loss功能:计算二分类的logistic损失
主要参数: • reduction :计算模式,可为none/sum/mean功能: 计算CTC损失,解决时序类数据的分类
Connectionist Temporal Classification 主要参数: • blank :blank label • zero_infinity :无穷大的值或梯度置0 • reduction :计算模式,可为none/sum/mean转载地址:http://pxjwi.baihongyu.com/