无法在pytorch python中使用多目标损失函数

Posted 2023-03-28

【中文标题】无法在pytorch python中使用多目标损失函数

【英文标题】：Unable to use multi target loss function in pytorch python

【发布时间】：2021-11-17 19:57:43

【问题描述】：

我无法在 pytorch 中使用损失函数进行多标签分类 这是我的损失函数：

 def loss(self,pred,y_true):
    pred = torch.tensor(pred)
    y_true = torch.tensor(y_true)
    loss = nn.NLLLoss()(torch.log(pred), y_true)   
    return loss

关于尝试失去：

model.loss(model(xtrain),ytrain)

显示错误：

RuntimeError: 1D target tensor expected, multi-target not supported

我也用 cross_entropy 试过了：

F.cross_entropy 

但是这个错误仍然出现，pytorch 中是否存在用于 multi_label 分类的内置损失

【参考方案1】：

我不相信有一个内置函数可以计算多标签分类交叉熵。 F.nll_loss 和 F.cross_entropy 仅用于单标签任务（这就是它需要密集标签的原因）。但是，您可以自己实现它。

如果pred 包含您的输出对数，那么您需要提取概率分布并应用负对数似然。这是 softmax 交叉熵损失：

>>> -torch.sum(F.log_softmax(pred, dim=1) * labels, dim=1)

如果每个输出组件彼此独立，则在 logits 上应用 sigmoid，并将每个组件视为具有负对数似然的 0/1 分类任务。这是 sigmoid 交叉熵损失：

>>> act = torch.sigmoid(pred)
>>> y_true*-torch.log(act) + (1-y_true)*-torch.log(1-act)