这个是从代码层面,详细了解损失函数!
CrossEntropyLoss
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 | import torch import torch.nn as nn # 实际中遇到的 outputs = torch.tensor([[0.5870, 0.4130], [0.6517, 0.3483], [0.4455, 0.5545], [0.4786, 0.5214]], requires_grad=True) y_train_tensor = torch.tensor([0, 0, 1, 1]) print(outputs) print(y_train_tensor) # 使用 CrossEntropyLoss 计算损失 criterion = nn.CrossEntropyLoss() loss = criterion(outputs, y_train_tensor) print( 'Outputs:' , outputs) print( 'Labels:' , y_train_tensor) print( 'Loss:' , loss) |
,
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 全程不用写代码,我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· MongoDB 8.0这个新功能碉堡了,比商业数据库还牛
· .NET10 - 预览版1新功能体验(一)
2023-05-29 series
2023-05-29 pandas是干什么的
2023-05-29 语法-select
2023-05-29 pip安装的时候,遇到权限问题
2023-05-29 语法-insert
2023-05-29 docker分层机制
2023-05-29 端口占用相关