torch.nn.functional.cross_entropy.ignore_index

理解ignore_index参数
本文深入探讨了PyTorch中cross_entropy损失函数的ignore_index参数作用,通过实例演示了如何使用该参数来忽略特定标签值,避免其参与损失计算,这对于处理不平衡数据集或包含无效标签的数据集特别有用。
部署运行你感兴趣的模型镜像

在这里插入图片描述
ignore_index表示计算交叉熵时,自动忽略的标签值,example:
import torch
import torch.nn.functional as F
pred = []
pred.append([0.9, 0.1])
pred.append([0.8, 0.2])
pred = torch.Tensor(pred).view(-1, 2)

label = torch.LongTensor([[1], [-1]]) # 这里输出类别为0或1,-1表示不参与计算loss。且计算平均loss的时候,reduction只计算实际参与计算的个数,这里相当于batchsize=2,但其中第index=1行为-1不参与计算loss。

#out = F.cross_entropy(pred.view(-1, 2), label.view(-1, ))
out = F.cross_entropy(pred.view(-1, 2), label.view(-1, ), ignore_index=-1)
print(out)

在这里插入图片描述

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值