PoissonNLLLoss

class torch.nn.modules.loss.PoissonNLLLoss(log_input=True, full=False, size_average=None, eps=1e-08, reduce=None, reduction='mean')

目标为泊松分布时的负对数似然损失。

该损失可以描述为

$$\text{target} \sim \mathrm{Poisson}(\text{input}) \text{loss}(\text{input}, \text{target}) = \text{input} - \text{target} * \log(\text{input}) + \log(\text{target!})$$

最后一项可以省略或使用斯特林公式进行近似。当目标值大于1时使用近似。当目标值小于或等于1时，损失中会添加零。

参数:

• log_input (布尔值, 可选) – 如果 True，损失计算为 $\exp(\text{input}) - \text{target}*\text{input}$；如果 False，损失计算为 $\text{input} - \text{target}*\log(\text{input}+\text{eps})$。

• full (布尔值, 可选) –

  是否计算完整损失，即添加斯特林近似项

  $$\text{target}*\log(\text{target}) - \text{target} + 0.5 * \log(2\pi\text{target}).$$

• size_average (bool, optional) – 已弃用 (参见 reduction)。默认情况下，损失值在批次中的每个损失元素上取平均值。请注意，对于某些损失，每个样本有多个元素。如果字段 size_average 设置为 False，则损失值在每个小批次中而是求和。当 reduce 为 False 时忽略。默认值：True

• eps (浮点数, 可选) – 一个小值，用于避免在 log_input = False 时计算 $\log(0)$。默认值: 1e-8

• reduce (bool, optional) – 已弃用 (参见 reduction)。默认情况下，损失值在每个小批次中根据 size_average 对观测值进行平均或求和。当 reduce 为 False 时，返回每个批次元素的损失值，并忽略 size_average。默认值：True

• reduction (字符串, 可选) – 指定要应用于输出的归约方式: 'none' | 'mean' | 'sum'。'none': 不应用归约, 'mean': 输出的总和将除以输出中的元素数量, 'sum': 输出将被求和。注意: size_average 和 reduce 正在被弃用，同时，指定这两个参数中的任何一个都将覆盖 reduction。默认值: 'mean'

示例

>>> loss = nn.PoissonNLLLoss()
>>> log_input = torch.randn(5, 2, requires_grad=True)
>>> target = torch.randn(5, 2)
>>> output = loss(log_input, target)
>>> output.backward()

形状

• 输入： $(*)$，其中 $*$ 表示任意数量的维度。

• 目标：$(*)$，与输入形状相同。

• 输出: 默认为标量。如果 reduction 为 'none'，则为 $(*)$，与输入具有相同的形状。

forward(log_input, target)

执行前向传播。

返回类型:

张量