我已经定义了自己的损失函数。它确实有效。前馈可能没有问题。但我不确定它是否正确,因为我没有定义向后()。
class _Loss(nn.Module):
def __init__(self, size_average=True):
super(_Loss, self).__init__()
self.size_average = size_average
class MyLoss(_Loss):
def forward(self, input, target):
loss = 0
weight = np.zeros((BATCH_SIZE,BATCH_SIZE))
for a in range(BATCH_SIZE):
for b in range(BATCH_SIZE):
weight[a][b] = get_weight(target.data[a][0])
for i in range(BATCH_SIZE):
for j in range(BATCH_SIZE):
a_ij= (input[i]-input[j]-target[i]+target[j])*weight[i,j]
loss += F.relu(a_ij)
return loss
我想问的问题是
1)我是否需要定义reverse()to loss函数?
2)如何定义落后()?
3)在火炬中进行SGD时,有没有办法做数据索引?
答案 0 :(得分:2)
您可以编写如下所示的损失函数。
def mse_loss(input, target):
return ((input - target) ** 2).sum() / input.data.nelement()
您不需要实现向后功能。损失函数的所有上述参数应为PyTorch变量,其余参数由torch.autograd
函数处理。