nll_loss

paddle.nn.functional. nll_loss ( input, label, weight=None, ignore_index=- 100, reduction=’mean’, name=None ) [源代码]

该接口返回 negative log likelihood 。可在 NLLLoss 查看详情。

参数

  • input (Tensor): - 输入 Tensor, 其形状为

    nll_loss - 图1

    , 其中 C 为类别数。但是对于多维度的情形下，它的形状为

    nll_loss - 图2

    。数据类型为float32或float64。

  • label (Tensor): - 输入x对应的标签值。其形状为 [N,][N,] 或者 [N,d1,d2,…,dK][N,d1,d2,…,dK], 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 (int64, 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） - 操作的名称(可选，默认值为None）。更多信息请参见 Name 。

返回

Tensor ，返回存储表示 negative log likelihood loss 的损失值。

代码示例

  1. import paddle
  2. from paddle.nn.functional import nll_loss
  3. log_softmax = paddle.nn.LogSoftmax(axis=1)
  5. input = paddle.to_tensor([[0.88103855, 0.9908683 , 0.6226845 ],
  6.           [0.53331435, 0.07999352, 0.8549948 ],
  7.           [0.25879037, 0.39530203, 0.698465  ],
  8.           [0.73427284, 0.63575995, 0.18827209],
  9.           [0.05689114, 0.0862954 , 0.6325046 ]], "float32")
  10. log_out = log_softmax(input)
  11. label = paddle.to_tensor([0, 2, 1, 1, 0], "int64")
  12. result = nll_loss(log_out, label)
  13. print(result) # Tensor(shape=[1], dtype=float32, place=CPUPlace, stop_gradient=True, [1.07202101])