nll_loss¶
- paddle.nn.functional. nll_loss ( input, label, weight=None, ignore_index=- 100, reduction='mean', name=None ) [源代码] ¶
返回 negative log likelihood。可在 NLLLoss 查看详情。
参数¶
input (Tensor) - 输入 Tensor,其形状为 \([N, C]\),其中 C 为类别数。但是对于多维度的情形下,它的形状为 \([N, C, d_1, d_2, ..., d_K]\)。数据类型为 float32 或 float64。
label (Tensor) - 输入 x 对应的标签值。其形状为 \([N,]\) 或者 \([N, d_1, d_2, ..., d_K]\),数据类型为 int64。
weight (Tensor,可选) - 手动指定每个类别的权重。其默认为 None。如果提供该参数的话,长度必须为 num_classes。数据类型为 float32 或 float64。
ignore_index (int,可选) - 指定一个忽略的标签值,此标签值不参与计算。默认值为-100。数据类型为 int64。
reduction (str,可选) - 指定应用于输出结果的计算方式,可选值有:none, mean, sum。默认为 mean,计算 mini-batch loss 均值。设置为 sum 时,计算 mini-batch loss 的总和。设置为 none 时,则返回 loss Tensor。数据类型为 string。
name (str,可选) - 具体用法请参见 Name,一般无需设置,默认值为 None。
返回¶
Tensor,返回存储表示 negative log likelihood loss 的损失值。
代码示例¶
import paddle
from paddle.nn.functional import nll_loss
log_softmax = paddle.nn.LogSoftmax(axis=1)
input = paddle.to_tensor([[0.88103855, 0.9908683 , 0.6226845 ],
[0.53331435, 0.07999352, 0.8549948 ],
[0.25879037, 0.39530203, 0.698465 ],
[0.73427284, 0.63575995, 0.18827209],
[0.05689114, 0.0862954 , 0.6325046 ]], "float32")
log_out = log_softmax(input)
label = paddle.to_tensor([0, 2, 1, 1, 0], "int64")
result = nll_loss(log_out, label)
print(result) # Tensor(shape=[1], dtype=float32, place=CPUPlace, stop_gradient=True, [1.07202101])