torch nll_loss
正确格式:
1.
data:3,3,3,2
label:3,3,2
2.data:3:2
label:2
3.data:2,1,6
label:2,6
Traceback (most recent call last):
torch.Size([3, 3, 3, 2]) torch.Size([3, 2])
File "F:/project/chedaoxian/Ultra-Fast-bar-Detection/utils/loss.py", line 91, in <module>
out_size, target.size()))
ValueError: Expected target size (3, 3, 2), got torch.Size([3, 2])
data维度 [2,6]
label维度[2],这样才可以,增加维度就报错。
如果data是[2,1,6]
label就需要是[2,6]
import torchimport torch.nn as nnimport torch.nn.functional as Fdata = torch.randn(2,6)target = torch.tensor([1,2])print('data:', data.size(),target.size())entropy_out = F.cross_entropy(data, target)print('entropy_out:', entropy_out, target.size())log_soft = F.log_softmax(data, dim=1)print('log_soft:', log_soft, '\n')nll_out = F.nll_loss(log_soft, target)print('nll_out:', nll_out)
torch nll_loss相关推荐
- nll_loss 和 cross_entropy
nll_loss torhc.nn.functional中给出的关于nll_loss的一个样例 target: 数值 <= C-1, 一般可以看作一个一维列表,存放的是真实类别编号 先经过sof ...
- 【Pytorch】model.train()和model.eval()用法和区别,以及model.eval()和torch.no_grad()的区别
model.train() 启用 Batch Normalization 和 Dropout 如果模型中有BN层(Batch Normalization)和Dropout,需要在训练时添加model. ...
- 深入理解Pytorch负对数似然函数(torch.nn.NLLLoss)和交叉熵损失函数(torch.nn.CrossEntropyLoss)
在看Pytorch的交叉熵损失函数torch.nn.CrossEntropyLoss官方文档介绍中,给出的表达式如下.不免有点疑惑为何交叉熵损失的表达式是这个样子的 loss ( y , clas ...
- torch使用tensorboard简明备忘录
tensorboard是让torch可以使用tensorflow的web可视化工具,之前叫tensorboardX. 至于其他的介绍以及为什么需要,可自行百度. 简单的完整代码 12345678910 ...
- 【pytorch笔记】损失函数nll_loss
文章目录 使用场景 函数理解 例子演示 总结 使用场景 在用pytorch做训练.测试时经常要用到损失函数计算输出与目标结果的差距,例如下面的代码: # 训练 for batch_idx, (data ...
- 交叉熵损失函数和NLL_loss
目录 1.交叉熵损失函数的计算过程: 2.交叉熵损失函数的公式: 3.NLL loss(负对数似然函数损失) 4.NLL_Loss和交叉熵损失函数关系 1.交叉熵损失函数的计算过程: 交叉熵损失函数经 ...
- DL - softmax、log_softmax、nll_loss、cross_entropy_loss
文章目录 softmax log_softmax nll_loss cross_entropy_loss 关于 log_softmax 输出使用 log_softmax 计算 softmax 的对数值 ...
- NLL_LOSS与CROSS_ENTROPY_LOSS详解
NLL_LOSS, CROSS_ENTROPY_LOSS详解 常用损失函数 nll cross_entropy 一段代码 transformer中的一段经典代码 常用损失函数 nll 官方文档 tor ...
- pytorch中torch.optim的介绍
pytorch中torch.optim的介绍 这是torch自带的一个优化器,里面自带了求导,更新等操作.开门见山直接讲怎么使用: 常用的引入: import torch.optim as optim ...
最新文章
- Redis Labs再次修改许可,没用几个月的Commons Clause或被删除
- ios重签名iReSign
- php面向对象引用文件,PHP面向对象之对象和引用
- hapi和typescript构建项目(正在更新中)
- 浅谈Kubernetes Service负载均衡实现机制
- Twisted中有个功能叫代理
- 最全SSH命令 - 11种用法
- 迅雷可以下载的文件是forum.php,让论坛进化!“迅雷附件”功能简介
- JavaScript实现下雪效果
- 信号与系统之(二)傅里叶级数和傅里叶变换
- 傲慢与偏见之 - 因果倒置的锦上添花
- CorelDRAW 入门知识
- 在土豆传的第一篇视频
- 弱电布线工程实战攻略
- 【Web接口测试_基础概念】接口概念、接口分类、接口定义、接口规范、接口方法、接口用例设计整理
- JDBCUtils工具类的基础学习笔记
- 11月获得融资的区块链企业汇总
- 服务器配置地址不正确,网络连接配置不正确IP地址是否正确网络存在问题..._网络编辑_帮考网...
- 虚拟机连接不上网络的解决方案
- mysql 主从故障处理_mysql主从同步出错故障处理总结[数据库技术]
热门文章
- SMB文件共享及用户权限使用配置
- C语言输出素数简单,for语句计算输出10000以内最大素数怎么搞最简单??各位大神们...
- C Operator | and can also operate bool operands
- CMake常见变量——Project和CMake相关信息
- html lt table 设置数据,vue_+_element_ui_动态添加table数据
- Linux网络常用工具分类介绍
- java配置解决方法_如何配置Java环境变量及可能出现问题的解决方法
- mysql断网_mysql数据库断网链接
- log4j2_使用log4j监视和筛选应用程序日志到邮件
- 计算机应用基础知识点.pdf,《计算机应用基础》复习知识点.pdf