forked from huawei/mindspore2022
45 lines
2.2 KiB
ReStructuredText
45 lines
2.2 KiB
ReStructuredText
mindspore.ops.NLLLoss
|
||
======================
|
||
|
||
.. py:class:: mindspore.ops.NLLLoss(reduction="mean")
|
||
|
||
获取预测值和目标值之间的负对数似然损失。
|
||
|
||
reduction为'none'时，负对数似然损失如下：
|
||
|
||
.. 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 1
|
||
|
||
其中， :math:`x` 表示预测值， :math:`t` 表示目标值， :math:`w` 表示权重，N表示batch size， :math:`c` 限定范围为[0, C-1]，表示类索引，其中 :math:`C` 表示类的数量。
|
||
|
||
reduction不为'none'（默认为'mean'），则
|
||
|
||
.. math::
|
||
\ell(x, t)=L=\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：**
|
||
|
||
- **reduction** (str) - 指定应用于输出结果的计算方式，比如'none'、'mean'，'sum'，默认值："mean"。
|
||
|
||
**输入：**
|
||
|
||
- **logits** (Tensor) - 输入预测值，shape为 :math:`(N, C)` 。数据类型仅支持float32或float16。
|
||
- **labels** (Tensor) - 输入目标值，shape为 :math:`(N,)` 。数据类型仅支持int32。
|
||
- **weight** (Tensor) - 指定各类别的权重，shape为 :math:`(C,)` ，数据类型仅支持float32或float16。
|
||
|
||
**输出：**
|
||
|
||
由 `loss` 和 `total_weight` 组成的2个Tensor的tuple。
|
||
|
||
- **loss** (Tensor) - 当 `reduction` 为'none'且 `logits` 为2维Tensor时， `loss` 的shape为 :math:`(N,)` 。否则， `loss` 为scalar。数据类型与 `logits` 相同。
|
||
- **total_weight** (Tensor) - `total_weight` 是scalar，数据类型与 `weight` 相同。
|
||
|
||
**异常：**
|
||
|
||
- **TypeError** - `logits` 或 `weight` 的数据类型既不是float16也不是float32， `labels` 不是int32。
|
||
- **ValueError** - `logits` 不是一维或二维Tensor， `labels` 和 `weight` 不是一维Tensor。 `logits` 是二维Tensor时， `logits` 的第一个维度不等于 `labels` ， `logits` 的第二个维度不等于 `weight` 。 `logits` 是一维Tensor时， `logits` 、 `labels` 和 `weight` 的维度应该相同。 |