pytorch中如何計算交叉熵損失

這篇文章將為大家詳細講解有關pytorch中如何計算交叉熵損失，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

公式

首先需要了解CrossEntropyLoss的計算過程，交叉熵的函數是這樣的：

其中，其中yi表示真實的分類結果。這里只給出公式，關于CrossEntropyLoss的其他詳細細節請參照其他博文。

測試代碼（一維）

import torch
import torch.nn as nn
import math

criterion = nn.CrossEntropyLoss()
output = torch.randn(1, 5, requires_grad=True)
label = torch.empty(1, dtype=torch.long).random_(5)
loss = criterion(output, label)

print("網絡輸出為5類:")
print(output)
print("要計算label的類別:")
print(label)
print("計算loss的結果:")
print(loss)

first = 0
for i in range(1):
  first = -output[i][label[i]]
second = 0
for i in range(1):
  for j in range(5):
    second += math.exp(output[i][j])
res = 0
res = (first + math.log(second))
print("自己的計算結果：")
print(res)

測試代碼（多維）

import torch
import torch.nn as nn
import math
criterion = nn.CrossEntropyLoss()
output = torch.randn(3, 5, requires_grad=True)
label = torch.empty(3, dtype=torch.long).random_(5)
loss = criterion(output, label)

print("網絡輸出為3個5類:")
print(output)
print("要計算loss的類別:")
print(label)
print("計算loss的結果:")
print(loss)

first = [0, 0, 0]
for i in range(3):
  first[i] = -output[i][label[i]]
second = [0, 0, 0]
for i in range(3):
  for j in range(5):
    second[i] += math.exp(output[i][j])
res = 0
for i in range(3):
  res += (first[i] + math.log(second[i]))
print("自己的計算結果：")
print(res/3)

nn.CrossEntropyLoss()中的計算方法

注意：在計算CrossEntropyLosss時，真實的label（一個標量）被處理成onehot編碼的形式。

在pytorch中，CrossEntropyLoss計算公式為：

CrossEntropyLoss帶權重的計算公式為（默認weight=None）：

關于“pytorch中如何計算交叉熵損失”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。