我目前正在将pytorch代码转换为tensorflow。自定义循环中聚合了3个损失，我得到一个错误，我正在将一个二维数组与一个1维数组传递到tensorflow的CategoricalCrossEntropy中，这是非常合法的，我理解为什么会发生这种情况……但在pytorch代码中，我传递了相同的形状，它与CrossEntropyLoss完美地工作在一起。
浏览 14提问于2020-12-04得票数 0
根据PyTorch文档，CrossEntropyLoss()是LogSoftMax()和NLLLoss()函数的组合。但是，调用CrossEntropyLoss()提供了与调用LogSoftMax()和NLLLoss()不同的结果，这从给定代码的输出中可以看出。def CrossEntropyPyTorch(values
浏览 0提问于2023-04-27得票数 0
回答已采纳
我正在尝试从this repository运行代码，并且我需要使用Pytorch1.4.0。我已经在pip install torch==1.4.0+cpu torchvision==0.5.0+cpu -f https://download.pytorch.org/whl/torch_stable.html上安装了pytorch的CPU版。File "C:\Users\username\OneDrive\Desktop\emadeldeen\AttnSleep\model\loss.py&
浏览 126提问于2021-07-22得票数 1
回答已采纳
Pytorch是否有与Numpy的元素级 (logical_and、logical_or、logical_not和logical_xor)等效的and？在使用CPU时，对Pytorch张量调用Numpy函数似乎工作得足够好，甚至可以生成Pytorch张量作为输出。我问主要是因为我假设如果pytorch计算在GPU中运行，这将不会很好地工作。
浏览 1提问于2019-02-08得票数 5
回答已采纳
我在这里遗漏了一些东西:为什么CrossEntropyLoss不能处理一维张量？loss = nn.CrossEntropyLoss
浏览 38提问于2020-10-22得票数 0
回答已采纳
我正在尝试在keras中模仿pytorch神经网络。我确信我的keras版本的神经网络与pytorch中的非常接近，但在训练过程中，我看到pytorch网络的损失值比keras网络的损失值要低得多。我想知道这是不是因为我没有正确复制keras中的pytorch网络，或者两个框架中的损失计算是不同的。Pytorch损失定义： loss_function = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=ar
浏览 555提问于2020-04-26得票数 3
回答已采纳
1回答
0.11]])
print("PyTorch", nn.CrossEntropyLoss()(t.tensor(y_pred).argsort(dim=-1).float(), t.tensor(y_true).argmax(dim=-1)))```
Keras tf.Tensor(2.3369865，shape=(1，)，dtype=floa
浏览 8提问于2020-06-05得票数 2
回答已采纳
我正在学习pytorch，并将基于tensorflow (，)的anpr项目作为练习，将其移植到pytorch平台。有一个问题，我使用nn.CrossEntropyLoss()作为损失函数：模型的output.data为：RuntimeError: multi-target not supported at /data/users/soumith/minic
浏览 3提问于2017-04-14得票数 2
1回答
我正在阅读关于多类分类问题的Pytorch教程。而我发现，在毕道尔的损失计算行为让我很困惑。你能帮我做这个吗？在每次迭代期间，nn.CrossEntropyLoss()的输入有两个部分：目标为0,0,0,1，其中1是右类输出张量为0.1,0.2,0.3,0.4，其中和为1.因此，基于这个假设，这里的nn.Cross
浏览 3提问于2020-06-02得票数 2
回答已采纳
2回答
因此，它一直在说关于张量形状的错误信息。Reduction.get_enum(还原))> RuntimeError:张量a (10)的大小必须与非单例维的张量b (32)的大小相匹
浏览 5提问于2020-06-15得票数 1
我对Pytorch的分类交叉熵损失的计算有疑问。我制作了这个简单的代码片段，因为我使用输出张量的argmax作为目标，所以我不能理解为什么损失仍然很高。import torchce_loss = nn.CrossEntropyLoss()
output = torch.randn(3, 5, requires_grad
浏览 26提问于2019-11-19得票数 1
回答已采纳
我试图使用TensorFlow框架重新实现一个PyTorch代码。labels=target, logits=output)PyTorchrequires_grad=True).view(-1, 4)
loss = torch.nn.CrossEntropyLoss(reduction=&
浏览 5提问于2019-12-05得票数 1
回答已采纳
2回答
我正在尝试实现一个神经网络来预测h1_hemoglobin在PyTorch中。在创建模型之后，我将1保留在输出层中，因为这是回归。但我得到的错误如下。我无法理解这个错误。) x=self.out(x)
loss_function = nn.CrossEntropyLoss
浏览 17提问于2022-07-05得票数 0
在处理与问答(MRC)相关的问题时，我实现了两种不同的架构，它们独立地给出了两个张量(令牌上的概率分布)。这两个张量都是维度(batch_size,512)。然后，这些被传递到线性层nn.Linear(768,1)以输出形状张量(batch_size,512,1)。除此之外，我还有另一个建立在BERT编码之上的模型，它也产生了形状的张量(batch_size，512，1)。我希望将这两个张量结合起来，最终得到一个形状张量(batch_size，512，1)，可以使用CrossEn
浏览 5提问于2020-06-21得票数 0
2回答
我很困惑如何将交叉熵损失应用于我的时间序列模型，其中输出是[batch_size, classes, time_steps]形状的，目标是[batch_size, time_steps, classes]形状的。我试图让模型在每个时间步骤中确定16个类的可信度。通过使用以下方法，我损失很大，而且模型似乎没有学习：time_steps = 224y_true = torch.randn((batch_size, time_
浏览 4提问于2022-07-07得票数 0
我目前正在使用torch.nn.CrossEntropyLoss。据我所知，按批量计算损失是很常见的.但是，是否有可能计算多个批次的损失？targets = torch.randint(low=0, high=10, size=(no_of_batches, batch_size))
loss_function = torch.nn.CrossEntropyLoss
浏览 12提问于2021-12-25得票数 2
我目前正在使用PyTorch来训练神经网络。我使用的数据集是一个具有大量0的二进制分类数据集。我决定尝试使用PyTorch的交叉熵损失的weight参数.通过sklearn.utils.class_weight.compute_class_weight计算权重，得到[0.58479532, 3.44827586当我将这个class_weights张量添加到损失的weight参数中时(即，criterion = nn.CrossEntropyLoss(weight=class_weights)，我突然得到了一个
浏览 6提问于2022-05-27得票数 0
我对Pytorch中交叉熵的计算感到困惑。如果我想计算两个张量和目标张量之间的交叉熵不是一个热标签，我应该使用哪一个损失？计算两个概率分布之间的交叉熵，而不是预测结果和一个确定的单热标号是很常见的。基本损失函数CrossEntropyLoss强制目标作为索引整数，在这种情况下它是不合格的。BCELoss看起来很有效，但它带来了一个意想不到的结果。下面是一个使用BCELoss的例子，我们可以看到第二个项涉及到每个维度的结果。这使得结果与正确的结果不同。shape=(), dtype=float32) 0.9
浏览 11提问于2021-08-01得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
