49 lines
2.6 KiB
ReStructuredText
49 lines
2.6 KiB
ReStructuredText
mindspore.nn.NLLLoss
|
||
====================
|
||
|
||
.. py:class:: mindspore.nn.NLLLoss(weight=None, ignore_index=-100, reduction='mean')
|
||
|
||
计算预测值和目标值之间的负对数似然损失。
|
||
|
||
:math:`reduction = none` 时，负对数似然损失公式如下：
|
||
|
||
.. math::
|
||
\ell(x, t)=L=\left\{l_{1}, \ldots, l_{N}\right\}^{\top},
|
||
\quad l_{n}=-w_{t_{n}} x_{n, t_{n}},
|
||
\quad w_{c}=\text { weight }[c] \cdot \mathbb{1}\{c \not= \text{ignore_index}\}
|
||
|
||
其中， :math:`x` 表示预测值， :math:`t` 表示目标值， :math:`w` 表示权重， :math:`N` 表示batch size， :math:`c` 限定范围为 :math:`[0, C-1]`，表示类索引，其中 :math:`C` 表示类的数量。
|
||
|
||
若 :math:`reduction \neq none` 时（默认为 ``'mean'`` ），则
|
||
|
||
.. math::
|
||
\ell(x, t)=\left\{\begin{array}{ll}
|
||
\sum_{n=1}^{N} \frac{1}{\sum_{n=1}^{N} w_{t n}} l_{n}, & \text { if reduction }=\text { 'mean', } \\
|
||
\sum_{n=1}^{N} l_{n}, & \text { if reduction }=\text { 'sum' }
|
||
\end{array}\right.
|
||
|
||
参数：
|
||
- **weight** (Tensor，可选) - 指定各类别的权重。若值不为None，则shape为 :math:`(C,)`。数据类型仅支持float32或float16。默认值： ``None`` 。
|
||
- **ignore_index** (int，可选) - 指定target中需要忽略的值(一般为填充值)，使其不对梯度产生影响。默认值： ``-100`` 。
|
||
- **reduction** (str，可选) - 指定应用于输出结果的规约计算方式，可选 ``'none'`` 、 ``'mean'`` 、 ``'sum'`` ，默认值： ``'mean'`` 。
|
||
|
||
- ``"none"``：不应用规约方法。
|
||
- ``"mean"``：计算输出元素的加权平均值。
|
||
- ``"sum"``：计算输出元素的总和。
|
||
|
||
输入：
|
||
- **logits** (Tensor) - 输入预测值，shape为 :math:`(N, C)` 或 :math:`(N, C, d_1, d_2, ..., d_K)` (针对 :math:`K` 维数据)。`inputs` 需为对数概率。数据类型仅支持float32或float16。
|
||
- **labels** (Tensor) - 输入目标值，shape为 :math:`(N)` 或 :math:`(N, d_1, d_2, ..., d_K)` (针对 :math:`K` 维数据)。
|
||
数据类型仅支持int32。
|
||
|
||
返回：
|
||
Tensor，一个数据类型与logits相同的Tensor。
|
||
|
||
异常：
|
||
- **TypeError** - `weight` 不是Tensor。
|
||
- **TypeError** - `weight` 的dtype既不是float16，也不是float32。
|
||
- **TypeError** - `ignore_index` 不是int。
|
||
- **ValueError** - `reduction` 不为 ``"mean"`` 、 ``"sum"`` 或 ``"none"`` 。
|
||
- **TypeError** - `logits` 不是Tensor。
|
||
- **TypeError** - `labels` 不是Tensor。
|