在深度学习中，loss通常由F.cross_entropy函数计算，它处理的是网络全连接层的输出和实际的类别标签之间的差异。输出可能是正负值，而labels是整数类别的表示，如0-4。该函数用于多分类问题，衡量预测概率分布与真实类别之间的差距。
loss = F.cross_entropy(output, labels)
output:网络的全连接层的输出,值可能是有正有负的.例如[1.56,-2.43]等.
labels:正常标签,例如一共5个类别,值就是0-4
扫一扫
评论 2
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
loss = F.cross_entropy(output, labels)
output:网络的全连接层的输出,值可能是有正有负的.例如[1.56,-2.43]等.
labels:正常标签,例如一共5个类别,值就是0-4
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
