如何使用pytorch从Resnet获取概率？
如何使用pytorch从Resnet获取概率？
提问于 2018-07-12 01:36:43
我正在对我的数据集进行微调，它有多个标签。
我想将分类层的“分数”转换为概率，并使用这些概率来计算训练时的损失。
你能给出一个这样的示例代码吗？我可以这样使用吗：
P = net.forward(x)
p = torch.nn.functional.softmax(P, dim=1)
loss = torch.nn.functional.cross_entropy(P, y)我不清楚这是不是正确的方法，因为我将概率作为交叉损失的输入。
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-07-12 04:14:52
所以，你是在pytorch中训练一个具有交叉熵的model，即resnet。您的损失计算将如下所示。
logit = model(x)
loss = torch.nn.functional.cross_entropy(logits=logit, target=y)在这种情况下，您可以通过执行以下操作来计算所有类的概率：
logit = model(x)
p = torch.nn.functional.softmax(logit, dim=1)
# to calculate loss using probabilities you can do below
loss = torch.nn.functional.nll_loss(torch.log(p), y)请注意，如果使用概率，则必须手动获取log，由于数字原因，这是不好的。相反，使用log_softmax或cross_entropy，在这种情况下，您可能最终使用交叉熵和计算概率分别计算损失。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51291353
复制相关文章
相似问题