以识别一个四位数的验证码为例，批次取为100，标签用one_hot 表示，则标签的size为[100,4,10],input也为[100,4,10]，请问loss用torch.nn.CrossEntropyLoss时，输入的input和target分别应为多少？
另外，用其他几种损失函数时，以四位验证码为例，输入该各是多少？
2条回答 默认 最新
threenewbee 2019-01-25 00:45关注如果你的验证码是数字，你的损失函数前应该是一个1000个神经元的softmax层，那么输入输出的size都应该是[1000,1]
解决 无用评论 打赏举报
分享
- 2024-05-13 14:59SmallerFL的博客 本文主要介绍 Pytorch 的 CrossEntropyLoss 的原理和用法
- 2025-05-17 09:26lqjun0827的博客 本文介绍一种改进方法——标签平滑（Label Smoothing），并通过PyTorch实现该技术。代码源自计算机视觉领域的经典论文《Rethinking the Inception Architecture for Computer Vision》，可有效提升模型的泛化能力。...
- 2024-12-13 15:13讨厌编程但喜欢LLM的学院派的博客 第二维度始终对应分类任务中的类别数 (num_classes)，这是 CrossEntropyLoss 的固定设计。1. 对于每个样本或位置，CrossEntropyLoss 期望提供一个类别分布的 logits（未经过 softmax 的分值），的形状为 (N, ...)，...
- 2021-09-26 15:17发呆的比目鱼的博客 pytorch CrossEntropyloss使用方法(包括多维度) 官方文档给出的用法如下： 也就是说，在网络的output要把分类放在第二维，第二维后面的代表的是网络的维度，看起来非常简单，示例代码如下： loss = nn.CrossEntropy...
- 2024-09-20 16:52长命百岁️的博客 从大语言模型的训练角度理解CrossEntropyLoss
- 2022-02-15 19:21梦无痕123的博客 class torch.nn.CrossEntropyLoss(weight=None,size_average=None,ignore_index=-100,reduce=None,reduction='elementwise_mean') 功能： 将输入经过softmax激活函数之后，再计算其与target的交叉熵损失。即该方法...
- 2022-11-27 01:46cv_lhp的博客 func=nn.NLLLoss() nlloss_output=nllloss_func(logsoftmax_output,y_target) print('nlloss_output:\n',nlloss_output) #直接使用pytorch中的loss_func=nn.CrossEntropyLoss()看与经过NLLLoss的计算是不是一样 ...
- 2019-11-27 15:27NeroChang的博客 pytorch中的CrossEntropyLoss()函数其实就是把输出结果进行sigmoid（将数据设置到0-1之间），随后再放到传统的交叉熵函数中，就会得到结果。 我们知道 s i g m o i d sigmoid s i g m o i d 的作用其实就是把前一...
- 2021-11-16 17:09zjLOVEcyj的博客 from torch.nn import CrossEntropyLoss criterion = CrossEntropyLoss() output = torch.tensor([[0.2, 0.8]]) target = torch.tensor([1]) loss = criterion(output, target) print(loss) y = torch.exp(torch....
- 2023-04-29 18:30双天至尊_stzz的博客 关于CrossEntropyLoss() 函数的计算过程可以拆解为如下四个步骤：1、对输出的结果进行操作,因为操作可以将所有输入值都归为[0,1]之间，且所有值之和为1，符合概率分布的特性。2、对结果进行log运算，求出都是小于0的...
- 没有解决我的问题, 去提问
