poisson_nll_loss¶

参数¶

• input (Tensor) - 输入 Tensor，对应泊松分布的期望，其形状为 \([N, *]\)，其中 \(*\) 表示任何数量的额外维度。数据类型为 float16，bfloat16，float32 或 float64。

• label (Tensor) - 标签 Tensor， 形状、数据类型和 input 相同。

• log_input (bool，可选) - 输入是否为对数函数映射后结果，如果为 True，则 loss 当中第一项的计算公式为

\[\text{input} - \text{label} * \log(\text{input}+\text{eps})\]

其中 eps 为数值稳定使用的常数小量。 如果为 False，则 loss 的计算公式为

\[\exp(\text{input}) - \text{label} * \text{input}\]

默认值为 True。

• full (bool，可选) - 是否在损失计算中包括 Stirling 近似项。该近似项的计算公式为

\[\text{label} * \log(\text{label}) - \text{label} + 0.5 * \log(2 * \pi * \text{label})\]

默认值为 False。

• eps (float，可选) - 在 log_input 为 True 时使用的常数小量，使得 loss 计算过程中不会导致对 0 求对数情况的出现。默认值为 1e-8。

• reduction (str，可选) - 指定应用于输出结果的计算方式，可选值有 none、mean 和 sum。默认为 mean，计算 mini-batch loss 均值。设置为 sum 时，计算 mini-batch loss 的总和。设置为 none 时，则返回 loss Tensor。默认值下为 mean。

• name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回¶

Tensor，返回存储表示 poisson negative log likelihood loss 的损失值。

代码示例¶

>>> import paddle
>>> import paddle.nn.functional as F
>>> paddle.seed(2023)

>>> input = paddle.randn([5, 2], dtype=paddle.float32)
>>> label = paddle.randn([5, 2], dtype=paddle.float32)
>>> loss = F.poisson_nll_loss(input, label, log_input=True, reduction='none')
>>> print(loss)
Tensor(shape=[5, 2], dtype=float32, place=Place(cpu), stop_gradient=True,
       [[ 1.09998012,  3.68829036],
        [ 1.95291090,  0.69603068],
        [-0.39289063, -2.03713036],
        [ 4.52518702,  1.28625548],
        [ 3.94454789,  0.53521496]])
>>> loss = F.poisson_nll_loss(input, label, reduction='mean')
>>> print(loss)
Tensor(shape=[], dtype=float32, place=Place(cpu), stop_gradient=True,
       1.52983975)