nn.CrossEntropyLoss()

用于多分类，直接写标签序号就可以：0,1,2.

预测需要维度与标签长度一致。

  

   

    

     

    
    

     

      import torch
     
    
   

    

     

    
    

     

      import torch.nn as nn
     
    
   

    

     

    
    

     

      import math
     
    
   

    

     

    
    

     

      criterion = nn.CrossEntropyLoss()
     
    
   

    

     

    
    

     

      output = torch.randn(3, 5, requires_grad=True)
     
    
   

    

     

    
    

     

      label = torch.empty(3, dtype=torch.long).random_(5)
     
    
   

    

     

    
    

     

      loss = criterion(output, label)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      print("网络输出为3个5类:")
     
    
   

    

     

    
    

     

      print(output)
     
    
   

    

     

    
    

     

      print("要计算loss的类别:")
     
    
   

    

     

    
    

     

      print(label)
     
    
   

    

     

    
    

     

      print("计算loss的结果:")
     
    
   

    

     

    
    

     

      print(loss)
     
    
  
 

预测代码：log_softmax好像没有归一化，要不要好像没区别

  

   

    

     

    
    

     

        output = model(img_arr)
     
    
   

    

     

    
    

     

       score = m_func.log_softmax(output, dim=1)
     
    
   

    

     

    
    

     

       _, match = torch.max(score.data, 1)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

       index=match.item()
     
    
  
 

  

   

    

     

    
    

     

      import torch
     
    
   

    

     

    
    

     

      import torch.nn as nn
     
    
   

    

     

    
    

     

      x_input=torch.randn(3,3)#随机生成输入 
     
    
   

    

     

    
    

     

      print('x_input:\n',x_input) 
     
    
   

    

     

    
    

     

      y_target=torch.tensor([1,2,0])#设置输出具体值 print('y_target\n',y_target)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #计算输入softmax，此时可
     
    
  
 

文章来源: blog.csdn.net，作者：网奇，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/jacke121/article/details/104380220