Pytorch里的CrossEntropyLoss详解

在使用Pytorch时经常碰见这些函数cross_entropy，CrossEntropyLoss, log_softmax, softmax。看得我头大，所以整理本文以备日后查阅。

首先要知道上面提到的这些函数一部分是来自于torch.nn,而另一部分则来自于torch.nn.functional(常缩写为F）。二者函数的区别可参见 知乎:torch.nn和funtional函数区别是什么？

下面是对与cross entropy有关的函数做的总结：

下面将主要介绍torch.nn.functional中的函数为主,torch.nn中对应的函数其实就是对F里的函数进行包装以便管理变量等操作。

在介绍cross_entropy之前先介绍两个基本函数：

log_softmax

这个很好理解，其实就是log和softmax合并在一起执行。

nll_loss

该函数的全程是negative log likelihood loss，函数表达式为

\[f(x,class)=-x[class] \]

例如假设

,那额

cross_entropy

交叉熵的计算公式为:

\[cross\_entropy=-\sum_{k=1}^{N}\left(p_{k} * \log q_{k}\right) \]

其中

表示真实值，在这个公式中是one-hot形式；

是预测值，在这里假设已经是经过softmax后的结果了。

代码示例

>>> input = torch.randn(3, 5, requires_grad=True)
>>> target = torch.randint(5, (3,), dtype=torch.int64)
>>> loss = F.cross_entropy(input, target)
>>> loss.backward()