PoissonNLLLoss

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

具有目標的 Poisson 分佈的負對數概似損失。

這個損失函數可以描述為

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

最後一項可以省略，或使用斯特林公式 (Stirling formula) 近似。當目標值大於 1 時，使用近似值。對於小於或等於 1 的目標值，則在損失函數中加入零。

參數

• log_input (bool, optional) – 如果 True，則損失函數計算為 $\exp(\text{input}) - \text{target}*\text{input}$，如果 False，則損失函數為 $\text{input} - \text{target}*\log(\text{input}+\text{eps})$。

• full (bool, optional) –

  是否計算完整損失，即是否加入斯特林近似項

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

• size_average (bool, optional) – 已棄用 (請參閱 reduction)。預設情況下，損失會在批次中對每個損失元素進行平均。請注意，對於某些損失，每個樣本有多個元素。如果欄位 size_average 設定為 False，則會對每個小批次進行損失總和。當 reduce 為 False 時，將會忽略此設定。預設值： True

• eps (float, optional) – 用於避免評估 $\log(0)$ 的小數值，當 log_input = False 時。預設值： 1e-8

• reduce (bool, optional) – 已棄用 (請參閱 reduction)。預設情況下，損失會根據 size_average 在每個小批次的觀察值上進行平均或總和。當 reduce 為 False 時，會改為針對每個批次元素傳回一個損失，並忽略 size_average。預設值： True

• reduction (str, optional) – 指定要套用到輸出的縮減方式：'none' | 'mean' | 'sum'。'none'：不會套用任何縮減，'mean'：輸出的總和將除以輸出中的元素數量，'sum'：輸出將被加總。注意：size_average 和 reduce 正在逐步淘汰中，同時，指定這兩個參數中的任何一個都會覆蓋 reduction。預設值： 'mean'

範例

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

形狀

• 輸入： $(*)$, 其中 $*$ 表示任何數量的維度。

• 目標： $(*)$, 與輸入相同的形狀。

• 輸出： 預設為純量。如果 reduction 為 'none'，則 $(*)$, 與輸入相同的形狀。