pytorch 3DTensor的平均交叉熵

wsxa1bj1 于 2022-11-09 发布在其他

关注(0)|答案(1)|浏览(179)

我有一个输出Tensor（目标值和预测值）（32 x 8 x 5000）。这里，批大小为32，类的数量为5000，每个批的点数为8。我想以这样的方式计算CELoss：损失是为每一个点计算的（跨越5000个类），然后在8个点上平均。2我怎么做呢？
为了清楚起见，一个批中有32个 * 批点 *（bs=32）。每个批点有8个 * 向量点 *，每个向量点有5000个类。对于给定的批，我希望计算所有（8）个 * 向量点 * 的CELoss，计算它们的平均值，并对所有 * 批点 *（32）进行计算。
如果我的问题不清楚或不明确，请告诉我。
例如：

op = torch.rand((4,3,5))

gt = torch.tensor([
    [[0,1,1,0,0],[0,0,1,0,0],[1,1,0,0,1]],
    [[1,1,0,0,1],[0,0,0,1,0],[0,0,1,0,0]],
    [[0,0,1,0,0],[1,1,1,1,0],[1,1,0,0,1]],
    [[1,1,0,0,1],[1,1,0,0,1],[1,0,0,0,0]]
])

pytorch

来源：https://stackoverflow.com/questions/74013973/average-cross-entropy-for-3d-tensors

1条答案

按热度按时间

vngu2lb81#

数据库

op = torch.rand((4,3,5))
gt = torch.tensor([
    [[0,1,1,0,0],[0,0,1,0,0],[1,1,0,0,1]],
    [[1,1,0,0,1],[0,0,0,1,0],[0,0,1,0,0]],
    [[0,0,1,0,0],[1,1,1,1,0],[1,1,0,0,1]],
    [[1,1,0,0,1],[1,1,0,0,1],[1,0,0,0,0]]
], dtype=torch.float)

现在，如果你的输出是[0,1]（如果不是，请在模型末尾提供S形激活），你可以用下面的方法计算二元交叉熵损失（每个元素的每个点的N_class值）：

torch.nn.BCELoss(reduction="none")(op, gt)

最后，您可以计算批中每个元素的平均损耗，如下所示：

torch.nn.BCELoss(reduction="none")(op, gt).mean(dim=[-1,-2])

如果这不是你正在寻找的解决方案或它是不清楚让我知道

赞(0）回复(0）举报 2022-11-09

我来回答

pytorch 3DTensor的平均交叉熵

1条答案

相关问题

热门标签

最新问答