在pytorch中,如何在F.cross_entropy()中使用权重参数?

时间:2018-05-09 07:41:35

标签: deep-learning pytorch cross-entropy

我正在尝试编写如下代码:

x = Variable(torch.Tensor([[1.0,2.0,3.0]]))
y = Variable(torch.LongTensor([1]))
w = torch.Tensor([1.0,1.0,1.0])
F.cross_entropy(x,y,w)
w = torch.Tensor([1.0,10.0,1.0])
F.cross_entropy(x,y,w)

然而,无论 w ,交叉熵损失的输出总是 1.4076 。 F.cross_entropy()的权重参数背后是什么?如何正确使用?
我正在使用pytorch 0.3

1 个答案:

答案 0 :(得分:1)

hudson.UDPBroadcastThread#run: Cannot listen to UDP port 33,848, skipping: java.net.SocketException: Can't assign requested address 参数用于根据目标类计算所有输入的加权结果。如果您只有一个输入或同一目标类别的所有输入,weight不会影响损失。

使用不同目标类别的2个输入来查看差异:

weight