在PyTorch中，我想使用torch.nn.CrossEntropyLoss函数。我是否必须格式化目标以便它们是一次性编码的，或者我可以简单地使用数据集附带的它们的类标签？
浏览 839提问于2020-06-19得票数 10
回答已采纳
在火炬文档中，交叉熵损失是这样说的：这是否意味着对于二进制(0,1)预测，输入必须转换为(N,2)张量，其中第二维等于(1-p)？因此，例如，如果我预测一个类的目标1 (true)为0.75，是否需要将两个值(0.75；0.25)叠加在一起作为输入？
浏览 0提问于2018-08-18得票数 3
1回答
交叉熵损失Pytorch
、、、、
我有一个关于我的pytorch网络中交叉熵损失的最佳实现的问题。我正在构建一个网络，用于预测Volume-Pictures的3D分割。我有一个背景类或一个前景类，但它应该也有可能预测两个或更多不同的前景类。
训练时输入到我的网络中的形状是batch_size，input_channels，width，height，depth。输入通道等于1，因为我只有灰度图像，深度取决于组成3D体积的</e
浏览 2提问于2021-06-08得票数 0
1回答
我用来进行GRU实验的代码。print(loss,acc) opt.step() k+=1 grad_fn=<SelectBackward>) 损失为对于这些简单的输入数据，GRU损失是如此之大。原因何在？这段代码中
浏览 40提问于2020-10-15得票数 2
回答已采纳
我使用的是本教程中预先训练好的模型。https://pytorch.org/tutorials/intermediate/torchvision_tutorial.html#defining-your-model 该模型是pytorch的更快的有人知道分类损失、损失和客观性损失函数是什么吗(即交叉熵或？)。提前谢谢
浏览 56提问于2021-07-30得票数 0
1回答
为什么神经网络不能学习？
、、、
我正在用一个简单的数据集训练一个神经网络。我尝试了不同的参数组合，优化器，学习率...但是，即使在20个时代之后，网络仍然没有学到任何东西。 我想知道在下面的代码中问题出在哪里？score_train[1])print('Test accuracy:', score_test[1]) 该代码生成以下类型的输出
浏览 10提问于2020-11-02得票数 2
回答已采纳
2回答
火炬中的软交叉熵
、、、
我有一个小问题，实现一个软交叉熵损失在火把。
对于我的模型，我需要实现一个加权的软交叉熵损失，这意味着目标值也是概率向量，而不是热向量。我尝试使用在几个论坛上的建议，但它不期望一个权重向量，所以我不能使用它。一般来说，我有点搞不懂如何用pytorch创建一个自定义损失函数，以及自动梯度是如何遵循自定义损失<em
浏览 2提问于2021-08-24得票数 0
我在寻找一个传递熵损失函数，就像Tensorflow中的CategoricalCrossEntropyLoss。targets = [0, 0, 1]我要计算软件最大值上的(范畴)交叉熵，而不是，而不是，把预测的最大值作为标签，然后计算交叉
浏览 3提问于2020-11-29得票数 1
1回答
因此，通常可以使用PyTorch中的交叉熵损失函数来应用范畴交叉熵，或者将logsoftmax与负日志相似函数结合起来，例如：loss = nn.NLLLoss如果输出处的数据已经处于具有概率的状态，而变量pred已经具有概率，那么该怎么办？其中的数据如下所示：
pred = torch.tensor([[.2
浏览 0提问于2019-07-18得票数 3
回答已采纳
2回答
我正在试验一些pytorch代码。对于交叉熵损失，我发现了一些有趣的结果，我使用了pytorch的二进制交叉熵损失和交叉熵损失。)
ce_loss(X,torch.argmax(X,dim=1)) # tensor(0.3133) 我预计相同输入和输出的
浏览 38提问于2020-10-06得票数 1
1回答
虽然我知道需要对输入数据中的功能进行热编码，但输出标签的热编码实际上有什么帮助呢？张量流MNIST教程鼓励对输出标签进行一种热编码。然而，CS231n(斯坦福大学)的第一个任务并没有建议使用一种热编码。选择/不选择一个热编码输出标签的理由是什么？编辑:不确定下投票的原因，但为了详细说明，我遗漏了softmax函数和交叉熵</em
浏览 1提问于2018-07-17得票数 3
神经网络和Pytorch的新手。
我在每个迷你批次中有300个回放记忆。我见过人们计算300个回放记忆的损失，但这对我来说并不是真的有意义。300个回放记忆来自非常不同的游戏状态，为什么将预测和目标之间的300个差异合并到一个值中是有意义的？当模型反向传播时，梯度是否被分成300个分支，每个分支对应于迷你批次中的一个条目？例如，仍然使用小型批处理，每个批处理中有300个重放内存。我的策略网络输出10
浏览 8提问于2020-05-18得票数 1
我在PyTorch中做一个分类任务(二进制)，所以对于标签0和1。不，我想引入标签平滑作为另一种正则化技术。因为我使用冰损失，所以没有像交叉熵损失那样使用标号平滑的函数(对于人大于0,1)。现在，我正在考虑不是在损失中，而是在数据本身中实现它。在y_true进入亏损之前，将其替换为0->0.1和1->0.9是否正确？
浏览 1提问于2022-07-28得票数 0
回答已采纳
我对Pytorch中交叉熵的计算感到困惑。如果我想计算两个张量和目标张量之间的交叉熵不是一个热标签，我应该使用哪一个损失？计算两个概率分布之间的交叉熵，而不是预测结果和一个确定的单热标号是很常见的。基本损失函数CrossEntropyLoss强制目标作为索引整数，在这种情况下它是不合格的。BC
浏览 11提问于2021-08-01得票数 2
回答已采纳
我的输入张量看起来是：// 8 -> batch size我的输出张量看起来如下我想计算这个任务的稀疏交叉熵损失，但是我不能，因为PyTorch只计算单个元素的损失。我怎么编码它才能工作呢？谢谢你的帮助
浏览 2提问于2020-09-03得票数 1
1回答
我是微调GPT-2模型的语言生成任务使用拥抱面对变形金刚库-毕火炬，我需要计算一个评估分数(困惑)的微调模型。但我不知道如何利用损失来做到这一点。我想知道如何计算模型的困惑与sum_loss或平均损失或任何其他建议也是欢迎的。任何帮助都是徒劳无功。loss.backward()给出的是我如何计算每一批数据的损失
浏览 0提问于2020-05-24得票数 3
回答已采纳
1回答
二元交叉熵损失
、、
当我们有一个二进制分类问题时，我们在输出layer+中使用一个sigmoid激活函数--二进制交叉熵损失。我们还需要一个热点编码的目标variable.This S，一个二进制分类问题，意味着我们可以有一些样本与y_pred=0。正如我们所知道的，二元交叉熵损失的数量是log(y_pred)，这意味着对于属于0类的样本，我们可以有log(0)。但
浏览 0提问于2022-10-25得票数 0
我确信我的keras版本的神经网络与pytorch中的非常接近，但在训练过程中，我看到pytorch网络的损失值比keras网络的损失值要低得多。我想知道这是不是因为我没有正确复制keras中的pytorch网络，或者两个框架中的损失计算是不同的。resnet.compile(loss='categorical_crossentropy
浏览 555提问于2020-04-26得票数 3
回答已采纳
我正在训练一个具有编码器-解码器架构的完全卷积网络，用于图像分割任务，目前正在使用二进制交叉熵损失进行前景/背景预测。
我试图搜索和阅读关于为什么使用交叉熵损失而不是L1或L2损失的信息。交叉熵损失不能捕获图像的整体布局，而L1和L2考虑了整体图像重建。
浏览 2提问于2019-09-10得票数 0
1回答
特别是交叉熵损失似乎返回完全不同的数字。0.11]])
print("PyTorchfloat(), t.tensor(y_true).argmax(dim=-1)))```PyTorch
浏览 8提问于2020-06-05得票数 2
回答已采纳
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
腾讯云开发者
