1.函数原型:loss_func = nn.CrossEntropyLoss()
                     loss = loss_func(pre_label, label)

2.值得注意的点,这里的label不需要赋值one-hot编码类型,因为函数内部会自动将label变换为one-hot类型,如果这里赋值为one-hot编码,则会产生类似如下报错
①:RuntimeError: multi-target not supported at /opt/conda/conda-bld/pytorch_1549635019666/work/aten/src
解决办法:使用数值标签,而非one-hot编码

②:expected type torch.cuda.DoubleTensor but got torch.cuda.FloatTensor
解决办法:针对这样的错误,我们之前提到过,基本原因就是函数所需要的参数类型和我们赋值类型不同,这里介绍一种改变torch中tensor的类型的函数:

data = data.type(torch.FloatTensor)
data = data.type(torch.LongTensor)
data = data.type(torch.FloatTensor)

pytorch 之 有关交叉熵函数使用的几点说明相关推荐

  1. PyTorch----Softmax函数与交叉熵函数

    二分类问题和多分类问题 二分类问题: 分类任务中有两个类别.比如前面感知机识别香蕉还是苹果,一般会训练一个分类器,输入一幅图像,输出该图像是苹果的概率为p,对p进行四舍五入,输出结果为0或者1,这就是 ...

  2. [人工智能-深度学习-14]:神经网络基础 - 常见loss损失函数之逻辑分类,对数函数,交叉熵函数

    作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客 本文网址:https://blog.csdn.net/HiWangWenBing/article/detai ...

  3. 交叉熵函数cross_entropy与归一化指数函数softmax

    交叉熵 交叉熵主要是用来判定实际的输出与期望的输出的接近程度,其数学公式如下:                                                             ...

  4. Tensorflow四种交叉熵函数计算公式

    Tensorflow交叉熵函数:cross_entropy 注意:tensorflow交叉熵计算函数输入中的logits都不是softmax或sigmoid的输出,而是softmax或sigmoid函 ...

  5. PyTorch基础-交叉熵函数mnist数据集识别-04

    交叉熵 代码 import numpy as np import torch from torch import nn,optim from torch.autograd import Variabl ...

  6. pytorch的F.cross_entropy交叉熵函数

    F.cross_entropy计算交叉熵损失,代码为: loss=F.cross_entropy(out, y) 其中out是网络输出的概率向量,y是真实标签,注意y是标量.使用这个函数时应该特别注意 ...

  7. PyTorch基础(part5)--交叉熵

    学习笔记,仅供参考,有错必纠 文章目录 原理 代码 初始设置 导包 载入数据 模型 原理 交叉熵(Cross-Entropy) Loss=−(t∗ln⁡y+(1−t)ln⁡(1−y))Loss =-( ...

  8. Pytorch 手工复现交叉熵损失(Cross Entropy Loss)

    如果直接调包的话很简单,例子如下: import torch import torch.nn as nntorch.manual_seed(1234) ce_loss = nn.CrossEntrop ...

  9. Pytorch专题实战——交叉熵损失函数(CrossEntropyLoss )

    文章目录 1.用CrossEntropyLoss预测单个目标 2.用CrossEntropyLoss预测多个目标 3.二分类使用BCELoss损失函数 4.多分类使用CrossEntropyLoss损 ...

最新文章

  1. Apache Tomcat 7.0.93 发布,开源 Java Web 应用服务器
  2. 全球及中国电缆保护套管行业十四五规划及投资前瞻专题分析报告2021年版
  3. 直击于丹软肋的作家——李悦
  4. Linux内核访问外设I/O--动态映射(ioremap)和静态映射(map_desc)
  5. 10个必需的iOS开发工具和资源
  6. jQuery框架学习第七天:jQuery动画–jQuery让页面动起来!
  7. SQL 必知必会·笔记7汇总数据——使用聚合函数
  8. 物流的趋势和计算机科技,计算机仿真技术在物流领域的前景分析
  9. windows功能_支持 AirPlay/DLNA 功能的 Windows 影音播放软件 5KPlayer
  10. [转载]Word 插入脚注后分节符自动变成分页符解决办法
  11. DDoS攻击--CC攻击防护详解(HTTP)
  12. 计算机应用情话,2018最新版情话大全浪漫情话 好听感人的情话
  13. oracle hint firstrow,stored outlines迁移成SQL执行计划基线
  14. 基于Cycle Spinning的移不变小波去噪
  15. 努比亚手机安装linux,努比亚红魔5G电竞手机将发布;Linux版荣耀MagicBook降价促销...
  16. 计算机开机自启文件夹,开机启动文件夹在哪
  17. 获取贵州茅台2010年1月1号至今的股票交易数据,计算该股票历史数据的5日均线和30日均线
  18. Spring AOP动态代理
  19. SVN如何本地拉取项目
  20. 一个完整的软件研发流程是怎样的?

热门文章

  1. linux 编译java并打包
  2. winform TreeView 节点选择
  3. 100%测试覆盖率真的有用吗?
  4. 风云点评:Flash 与 Silverlight 终极大比拼
  5. 《数据库原理与应用》(第三版) 第 3 章 关系数据库 习题参考答案
  6. Ubuntu 启动或停止django服务
  7. 2017年第八届蓝桥杯C/C++ B组国赛 —— 第三题:希尔伯特曲线
  8. 2018第九届蓝桥杯C/C++ B国赛 —— 第六题:矩阵求和
  9. 大数据WEB阶段 后台和页面之间传递日期格式数据的400问题
  10. 【C++】Visual Studio教程(一)-概述