這里主要探討torch.nn.CrossEntropyLoss函數(shù)的用法。

使用方法如下：

# 首先定義該類 loss = torch.nn.CrossEntropyLoss() #然后傳參進(jìn)去 loss(target, label)

第一個參數(shù)的維度為m1 * m2，第二個參數(shù)維度為m1。我們在做多分類問題的時候，target應(yīng)該為我們網(wǎng)絡(luò)生成的值，而label則是非one-hot類型的值。

用手寫體數(shù)字識別簡單舉個例子：

for (trainX,trainY) in trainLoader: # forwardout = net(trainX) # batch_size * num_classesloss = loss_fn(out, trainY) # backwardoptimizer.zero_grad()loss.backward()optimizer.step()

另外，trainY必須為Long類型，如果為非類型則會報錯。RuntimeError: Expected object of scalar type Long but got scalar type Float for argument #2 'trainY'
CrossEntropyLoss還會自動對out作用softmax。

總結(jié)

以上是生活随笔為你收集整理的pytorch中的CrossEntropyLoss的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。