gaussian_nll_loss¶

参数¶

• input (Tensor)：输入 Tensor，其形状为 \((N, *)\) 或者 \((*)\)，其中 \(*\) 表示任何数量的额外维度。将被拟合成为高斯分布。数据类型为 float32 或 float64。

• label (Tensor)：输入 Tensor，其形状为 \((N, *)\) 或者 \((*)\)，形状与 input 相同，或者维度与 input 相同但最后一维的大小为 1，如 input 的形状为： \((N, 3)\) 时， input 的形状可为 \((N, 1)\)，这时会进行 broadcast 操作。为服从高斯分布的样本。数据类型为 float32 或 float64。

• variance (Tensor): 输入 Tensor，其形状为 \((N, *)\) 或者 \((*)\)，形状与 input 相同，或者维度与 input 相同但最后一维的大小为 1，或者维度与 input 相比缺少最后一维，如 input 的形状为： \((N, 3)\) 时， input 的形状可为 \((N, 1)\) 或 \((N)\)，这时会进行 broadcast 操作。正方差样本，可为不同标签对应不同的方差（异方差性），也可以为同一个方差（同方差性）。数据类型为 float32 或 float64。

• full (bool，可选) - 是否在损失计算中包括常数项。默认情况下为 False，表示忽略最后的常数项。

• epsilon (float，可选) - 用于限制 variance 的值，使其不会导致除 0 的出现。默认值为 1e-6。

• reduction (str，可选) - 指定应用于输出结果的计算方式，可选值有 none、mean 和 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。

• 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 gaussian negative log likelihood loss 的损失值。如果 reduction 为 'none'，则输出 Loss 形状与输入相同为 (N, *)。如果 reduction 为 'sum' 或者 'mean'，则输出 Loss 形状为 '(1)' 。

代码示例¶

>>> import paddle
>>> import paddle.nn.functional as F
>>> paddle.seed(2023)

>>> input = paddle.randn([5, 2], dtype=paddle.float32)
>>> label = paddle.randn([5, 2], dtype=paddle.float32)
>>> variance = paddle.ones([5, 2], dtype=paddle.float32)

>>> loss = F.gaussian_nll_loss(input, label, variance, reduction='none')
>>> print(loss)
Tensor(shape=[5, 2], dtype=float32, place=Place(cpu), stop_gradient=True,
       [[0.21808575, 1.43013096],
        [1.05245590, 0.00394560],
        [1.20861185, 0.00000062],
        [0.56946373, 0.73300570],
        [0.37142906, 0.12038800]])

>>> loss = F.gaussian_nll_loss(input, label, variance, reduction='mean')
>>> print(loss)
Tensor(shape=[], dtype=float32, place=Place(cpu), stop_gradient=True,
       0.57075173)