如何正确使用Pytorch中的nn.NLLLoss2d()损失函数?
- 内容介绍
- 文章标签
- 相关推荐
本文共计650个文字,预计阅读时间需要3分钟。
最近研发的显著星检测用到了NLL损失函数。对于NLL函数,需要自行计算log和softmax的概率值。之后,才能作为输入:[batch_size, channel, h, w] + 目标 [batch_size, h, w] + 输入的目标矩阵。每个像素必须。
最近做显著星检测用到了NLL损失函数
对于NLL函数,需要自己计算log和softmax的概率值,然后从才能作为输入
输入 [batch_size, channel , h, w]
目标 [batch_size, h, w]
输入的目标矩阵,每个像素必须是类型.举个例子。第一个像素是0,代表着类别属于输入的第1个通道;第二个像素是0,代表着类别属于输入的第0个通道,以此类推。
x = Variable(torch.Tensor([[[1, 2, 1], [2, 2, 1], [0, 1, 1]], [[0, 1, 3], [2, 3, 1], [0, 0, 1]]])) x = x.view([1, 2, 3, 3]) print("x输入", x)
这里输入x,并改成[batch_size, channel , h, w]的格式。
本文共计650个文字,预计阅读时间需要3分钟。
最近研发的显著星检测用到了NLL损失函数。对于NLL函数,需要自行计算log和softmax的概率值。之后,才能作为输入:[batch_size, channel, h, w] + 目标 [batch_size, h, w] + 输入的目标矩阵。每个像素必须。
最近做显著星检测用到了NLL损失函数
对于NLL函数,需要自己计算log和softmax的概率值,然后从才能作为输入
输入 [batch_size, channel , h, w]
目标 [batch_size, h, w]
输入的目标矩阵,每个像素必须是类型.举个例子。第一个像素是0,代表着类别属于输入的第1个通道;第二个像素是0,代表着类别属于输入的第0个通道,以此类推。
x = Variable(torch.Tensor([[[1, 2, 1], [2, 2, 1], [0, 1, 1]], [[0, 1, 3], [2, 3, 1], [0, 0, 1]]])) x = x.view([1, 2, 3, 3]) print("x输入", x)
这里输入x,并改成[batch_size, channel , h, w]的格式。

