46 lines
2.1 KiB
ReStructuredText
46 lines
2.1 KiB
ReStructuredText
mindspore.nn.PoissonNLLLoss
|
||
============================
|
||
|
||
.. py:class:: mindspore.nn.PoissonNLLLoss(log_input=True, full=False, eps=1e-08, reduction='mean')
|
||
|
||
计算泊松负对数似然损失。
|
||
|
||
损失为：
|
||
|
||
.. math::
|
||
\mathcal{L}_{D} = \sum_{i = 0}^{|D|}\left( x_{i} - y_{i}\ln x_{i} + \ln{y_{i}!} \right)
|
||
|
||
其中 :math:`\mathcal{L}_{D}` 为损失值， :math:`y_{i}` 为 `target` ， :math:`x_{i}` 为 `input` 。
|
||
|
||
如果 `log_input` 为True，使用 :math:`e^{x_{i}} - y_{i} x_{i}` 而不是 :math:`x_{i} - y_{i}\ln x_{i}` 进行计算。
|
||
计算对数时，`input` 的下界设置为 `eps`，以避免数值误差。
|
||
如果 `full` 为False，则最后一项：:math:`\ln{y_{i}!}` 将被省略。否则，最后一项将使用斯特林公式近似：
|
||
|
||
.. math::
|
||
n! \approx \sqrt{2\pi n}\left( \frac{n}{e} \right)^{n}
|
||
|
||
.. note::
|
||
在Ascend下计算负数的对数或大正数的指数将具有与GPU和CPU下不同的返回值和结果范围。
|
||
|
||
参数：
|
||
- **log_input** (bool，可选) - 是否使用对数输入。默认值： ``True`` 。
|
||
- **full** (bool，可选) - 是否在损失计算中包括斯特林近似项。默认值： ``False`` 。
|
||
- **eps** (float，可选) - 算对数时 `input` 的下界。默认值： ``1e-08`` 。
|
||
- **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"``：计算输出元素的平均值。
|
||
- ``"sum"``：计算输出元素的总和。
|
||
|
||
输入：
|
||
- **input** (Tensor) - 输入Tensor。shape可以是任意维。
|
||
- **target** (Tensor) - 标签Tensor，其shape与 `input` 相同。
|
||
|
||
输出：
|
||
Tensor或Scalar，如果 `reduction` 为none'，则输出是Tensor，其形状与 `input` 相同。否则，它是Scalar。
|
||
|
||
异常：
|
||
- **TypeError** - `reduction` 不是str类型。
|
||
- **TypeError** - `input` 或 `target` 都不是Tensor。
|
||
- **TypeError** - `input` 或 `target` 的数据类型不支持。
|