SoftmaxCrossEntropyLoss¶
SoftmaxCrossEntropyLoss - 13¶
版本¶
域:
main始于版本:
13函数:
True支持级别:
SupportType.COMMON形状推断:
True
该版本的运算符自 版本 13 起可用。
摘要¶
损失函数，用于测量 ‘scores’ 和 ‘labels’ 之间的 Softmax 交叉熵。此运算符首先计算一个损失张量，其形状与 labels 输入相同。如果输入是形状为 (N, C) 的 2-D 张量，则损失张量可能是一个 N 元素的向量 L = (l_1, l_2, …, l_N)。如果输入是形状为 (N, C, D1, D2, …, Dk) 的 N-D 张量（K 维损失，K >= 1），则损失张量 L 的形状可能为 (N, D1, D2, …, Dk)，其中 L[i,][j_1][j_2]…[j_k] 表示 L 中的一个标量元素。计算出 L 后，此运算符可以选择执行一个归约（reduction）操作。
scores 的形状: (N, C)，其中 C 是类别数量，或 (N, C, D1, D2,…, Dk)（K 维损失，K >= 1）。
labels 的形状: (N)，其中每个值都在 0 <= labels[i] <= C-1 范围内，或 (N, D1, D2,…, Dk)（K 维损失，K >= 1）。
一个样本的损失 l_i 可以按如下方式计算
l[i][d1][d2]...[dk] = -y[i][c][d1][d2]..[dk], where i is the index of classes.
或
l[i][d1][d2]...[dk] = -y[i][c][d1][d2]..[dk] * weights[c], if 'weights' is provided.
当 label-value 等于 ignore_index 时，损失为零。
l[i][d1][d2]...[dk] = 0, when labels[n][d1][d2]...[dk] = ignore_index
其中
p = Softmax(scores)
y = Log(p)
c = labels[i][d1][d2]...[dk]
最后，可以对 L 进行可选的归约（reduction）
如果 reduction = ‘none’，输出是形状为 (N, D1, D2, …, Dk) 的 L。
如果 reduction = ‘sum’，输出是一个标量: Sum(L)。
如果 reduction = ‘mean’，输出是一个标量: ReduceMean(L)，或者如果提供了 weights：
ReduceSum(L) / ReduceSum(W)，其中张量 W 的形状为(N, D1, D2, ..., Dk)，且W[n][d1][d2]...[dk] = weights[labels[i][d1][d2]...[dk]]。
属性¶
ignore_index - INT :
指定一个目标值，该值将被忽略且不参与输入梯度计算。这是一个可选值。
reduction - STRING (默认值为
'mean')应用于损失的归约类型：none, sum, mean(默认值)。‘none’：不应用归约；‘sum’：输出将求和；‘mean’：输出的总和将被输出中的元素数量除以。
输入¶
输入介于 2 到 3 个之间。
scores (异构) - **T**
预测输出，形状为 [batch_size, class_size]，或 [batch_size, class_size, D1, D2 , …, Dk]，其中 K 是维度数量。
labels (异构) - **Tind**
真实标签输出张量，形状为 [batch_size]，或 [batch_size, D1, D2, …, Dk]，其中 K 是维度数量。标签元素值应在 [0, C) 范围内。如果指定了 ignore_index，它可能有一个超出 [0, C) 的值，且标签值应在 [0, C) 范围内或具有 ignore_index 值。
weights (可选, 异构) - **T**
为每个类别指定的手动重新缩放权重。如果提供，它必须是一个 1D 张量，为每个类别分配权重。否则，它被视为所有元素都为一。
输出¶
输出介于 1 到 2 个之间。
output (异构) - **T**
加权损失浮点张量。如果 reduction 为 ‘none’，其形状为 [batch_size]，或在 K 维损失情况下为 [batch_size, D1, D2, …, Dk]。否则，它是一个标量。
log_prob (可选, 异构) - **T**
对数概率张量。如果 softmax 的输出是 prob，其值为 log(prob)。
类型约束¶
**T** 在 (
tensor(bfloat16),tensor(double),tensor(float),tensor(float16))约束输入和输出类型为浮点张量。
**Tind** 在 (
tensor(int32),tensor(int64))约束目标为整数类型
SoftmaxCrossEntropyLoss - 12¶
版本¶
域:
main始于版本:
12函数:
True支持级别:
SupportType.COMMON形状推断:
True
该版本的运算符自 版本 12 起可用。
摘要¶
损失函数，用于测量 ‘scores’ 和 ‘labels’ 之间的 Softmax 交叉熵。此运算符首先计算一个损失张量，其形状与 labels 输入相同。如果输入是形状为 (N, C) 的 2-D 张量，则损失张量可能是一个 N 元素的向量 L = (l_1, l_2, …, l_N)。如果输入是形状为 (N, C, D1, D2, …, Dk) 的 N-D 张量（K 维损失，K >= 1），则损失张量 L 的形状可能为 (N, D1, D2, …, Dk)，其中 L[i,][j_1][j_2]…[j_k] 表示 L 中的一个标量元素。计算出 L 后，此运算符可以选择执行一个归约（reduction）操作。
scores 的形状: (N, C)，其中 C 是类别数量，或 (N, C, D1, D2,…, Dk)（K 维损失，K >= 1）。labels 的形状: (N)，其中每个值都在 0 <= labels[i] <= C-1 范围内，或 (N, D1, D2,…, Dk)（K 维损失，K >= 1）。
一个样本的损失 l_i 可以按如下方式计算: l[i][d1][d2]…[dk] = -y[i][c][d1][d2]…[dk]，其中 i 是类别的索引。或者，如果提供了 ‘weights’，则 l[i][d1][d2]…[dk] = -y[i][c][d1][d2]…[dk] * weights[c]。
当 label-value 等于 ignore_index 时，损失为零。当 labels[n][d1][d2]…[dk] = ignore_index 时，l[i][d1][d2]…[dk] = 0。
其中: p = Softmax(scores) y = Log(p) c = labels[i][d1][d2]…[dk]
最后，可以对 L 进行可选的归约（reduction）：如果 reduction = ‘none’，输出是形状为 (N, D1, D2, …, Dk) 的 L。如果 reduction = ‘sum’，输出是一个标量: Sum(L)。如果 reduction = ‘mean’，输出是一个标量: ReduceMean(L)，或者如果提供了 weights：ReduceSum(L) / ReduceSum(W)，其中张量 W 的形状为 (N, D1, D2, …, Dk)，且 W[n][d1][d2]…[dk] = weights[labels[i][d1][d2]…[dk]]。
属性¶
ignore_index - INT :
指定一个目标值，该值将被忽略且不参与输入梯度计算。这是一个可选值。
reduction - STRING (默认值为
'mean')应用于损失的归约类型：none, sum, mean(默认值)。‘none’：不应用归约；‘sum’：输出将求和；‘mean’：输出的总和将被输出中的元素数量除以。
输入¶
输入介于 2 到 3 个之间。
scores (异构) - **T**
预测输出，形状为 [batch_size, class_size]，或 [batch_size, class_size, D1, D2 , …, Dk]，其中 K 是维度数量。
labels (异构) - **Tind**
真实标签输出张量，形状为 [batch_size]，或 [batch_size, D1, D2, …, Dk]，其中 K 是维度数量。标签元素值应在 [0, C) 范围内。如果指定了 ignore_index，它可能有一个超出 [0, C) 的值，且标签值应在 [0, C) 范围内或具有 ignore_index 值。
weights (可选, 异构) - **T**
为每个类别指定的手动重新缩放权重。如果提供，它必须是一个 1D 张量，为每个类别分配权重。否则，它被视为所有元素都为一。
输出¶
输出介于 1 到 2 个之间。
output (异构) - **T**
加权损失浮点张量。如果 reduction 为 ‘none’，其形状为 [batch_size]，或在 K 维损失情况下为 [batch_size, D1, D2, …, Dk]。否则，它是一个标量。
log_prob (可选, 异构) - **T**
对数概率张量。如果 softmax 的输出是 prob，其值为 log(prob)。
类型约束¶
**T** 在 (
tensor(double),tensor(float),tensor(float16))约束输入和输出类型为浮点张量。
**Tind** 在 (
tensor(int32),tensor(int64))约束目标为整数类型