[torch 参数更多]torch.nn.CrossEntropyLoss

torch.nn.CrossEntropyLoss

torch.nn.CrossEntropyLoss(weight=None,
                          size_average=None,
                          ignore_index=- 100,
                          reduce=None,
                          reduction='mean',
                          label_smoothing=0.0)

paddle.nn.CrossEntropyLoss

paddle.nn.CrossEntropyLoss(weight=None,
                           ignore_index=-100,
                           reduction='mean',
                           soft_label=False,
                           axis=-1,
                           name=None)

Pytorch 相比 Paddle 支持更多其他参数,具体如下:

参数映射

| PyTorch | PaddlePaddle | 备注 | | ————- | ———— | —————————————————— | | weight | weight | 表示每个类别的权重。 | | size_average | - | PyTorch 已弃用,Paddle 无此参数,需要转写。| | ignore_index | ignore_index | 表示忽略的一个标签值。 | | reduce | - | PyTorch 已弃用, Paddle 无此参数,需要转写。 | | reduction | reduction | 表示应用于输出结果的计算方式。 | | label_smoothing | - | 指定计算损失时的平滑量,Paddle 无此参数,暂无转写方式。 | | - | soft_label | 指明 label 是否为软标签,Pytorch 无此参数,Paddle 保持默认即可。 | | - | axis | 进行 softmax 计算的维度索引,Pytorch 无此参数,Paddle 保持默认即可。 |

转写示例

size_average

size_average 为 True

# Pytorch 写法
torch.nn.CrossEntropyLoss(weight=w, size_average=True)

# Paddle 写法
paddle.nn.CrossEntropyLoss(weight=w, reduction='mean')

size_average 为 False

# Pytorch 写法
torch.nn.CrossEntropyLoss(weight=w, size_average=False)

# Paddle 写法
paddle.nn.CrossEntropyLoss(weight=w, reduction='sum')

reduce

reduce 为 True

# Pytorch 写法
torch.nn.CrossEntropyLoss(weight=w, reduce=True)

# Paddle 写法
paddle.nn.CrossEntropyLoss(weight=w, reduction='mean')

reduce 为 False

# Pytorch 写法
torch.nn.CrossEntropyLoss(weight=w, reduce=False)

# Paddle 写法
paddle.nn.CrossEntropyLoss(weight=w, reduction='none')

reduction

reduction 为’none’

# Pytorch 写法
torch.nn.CrossEntropyLoss(weight=w, reduction='none')

# Paddle 写法
paddle.nn.CrossEntropyLoss(weight=w, reduction='none')

reduction 为’mean’

# Pytorch 写法
torch.nn.CrossEntropyLoss(weight=w, reduction='mean')

# Paddle 写法
paddle.nn.CrossEntropyLoss(weight=w, reduction='mean')

reduction 为’sum’

# Pytorch 写法
torch.nn.CrossEntropyLoss(weight=w, reduction='sum')

# Paddle 写法
paddle.nn.CrossEntropyLoss(weight=w, reduction='sum')