Pytorch损失函数

最新推荐文章于 2025-06-20 00:42:53 发布

Always066

最新推荐文章于 2025-06-20 00:42:53 发布

阅读量835

点赞数

CC 4.0 BY-SA版权

分类专栏： Pytorch学习笔记

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_43869493/article/details/107067395

Pytorch学习笔记专栏收录该内容

13 篇文章

订阅专栏

定义

损失函数(Loss Function)
$Loss=f(a^,y)Loss=f( \hat{a} ,y)$

代价函数(Cost Function)
$Cost=1N∑iNf(yi^,yi)Cost=\frac{1}{N}\sum_{i}^{N}f(\hat{y_{i}},y_{i})$

目标函数(Objective Function)
$O b j = C o s t + R e g u l a r i z a t i o n$

在Pytorch中如何定义

损失函数要继承于nn.Moudle
参数size_average和reduce已经弃用，现在统一使用reduction参数

几种损失函数

1.CrossEntropyLoss
在这里插入图片描述

具体推导过程：

$交叉熵：H(P,Q)=D_{KL}(P,Q)+H(P)$
所以优化交叉熵是在优化相对熵

对于nn.CrossEntropyLoss来说，损失函数内部自带softmax，所以不需要人为额外在上一步执行softmax操作

2.nn.NLLLoss
在这里插入图片描述
仅仅实现负号的功能

3.nn.BCELoss
二分类
在这里插入图片描述
因为是一个概率分布，在数据输入损失函数之前呢，需要经过一下Sigmoid来把输出值变成0~1之间

4.nn.BCEWithLogitsLoss
在这里插入图片描述
对于第三个损失函数的补足，不需要再模型中加入Sigmoid函数
并且多了一个参数pos_weight

5.nn.L1Loss和nn.MSELoss
在这里插入图片描述
前面为第一范数，后面的为第二范数

7.SmoothL1Loss
在这里插入图片描述

在这里插入图片描述
8.PoissonNLLLoss

9.nn.KLDivLoss

10.nn.MarginRankingLoss

11.nn.MultiLabelMarginLoss
多标签是指，一个样本对应多个类别

12nn.SoftMarginLoss

13.nn.MutiLabelSoftMarginLoss

14. 在这里插入图片描述

15 .nn.TripletMarginLoss
在这里插入图片描述
16.
17.
18.nn.CTCLoss

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。