KLDivLoss

class paddle.nn. KLDivLoss ( reduction='mean', log_target=False )

创建一个 KLDivLoss 类的可调用对象，以计算输入(Input)和输入(Label)之间的 Kullback-Leibler 散度损失。注意其中输入(Input)应为对数概率值，输入(Label)应为概率值。

若 log_target 为 False:

\[l(input, label) = label * (log(label) - input)\]

若 log_target 为 True:

\[l(input, label) = exp(label) * (label - input)\]

当 reduction 为 none 时，输出损失与输入（input）形状相同，各点的损失单独计算，不会对结果做 reduction 。

当 reduction 为 mean 时，输出损失的形状为[]，输出为所有损失的平均值。

当 reduction 为 sum 时，输出损失的形状为[]，输出为所有损失的总和。

当 reduction 为 batchmean 时，输出损失为[N]的形状，N 为批大小，输出为所有损失的总和除以批量大小。

参数

  • reduction (str，可选) - 要应用于输出的 reduction 类型，可用类型为‘none’ | ‘batchmean’ | ‘mean’ | ‘sum’，‘none’表示无 reduction，‘batchmean’ 表示输出的总和除以批大小，‘mean’ 表示所有输出的平均值，‘sum’表示输出的总和。

  • log_target (bool，可选) - 表示输入的 label 变量是否属于 log 空间。默认值为 False，表示不属于。

形状

  • input (Tensor)：输入的 Tensor，维度是[N, *]，其中 N 是 batch size， * 是任意数量的额外维度。数据类型为：float32、float64。

  • label (Tensor)：标签，维度是[N, *]，与 input 相同。数据类型为：float32、float64。

  • output (Tensor)：输入 input 和标签 label 间的 kl 散度。如果 reduction 是 'none'，则输出 Loss 的维度为 [N, *]，与输入 input 相同。如果 reduction 是 'batchmean' 、 'mean' 或 'sum'，则输出 Loss 的维度为 []。

代码示例

COPY-FROM: paddle.nn.KLDivLoss

使用本API的教程文档