PoissonNLLLoss

class paddle.nn. PoissonNLLLoss ( log_input=True, full=False, epsilon=1e-8, reduction='mean', name=None ) [源代码]

该接口可创建一个 PoissonNLLLoss 可调用类，计算输入 input 和标签 label 间的 Poisson negative log likelihood loss 损失。该 loss 适用于真实标签服从于泊松分布时，即

\[\text{label} \sim \mathrm{Poisson}(\text{input})\]

该损失函数的数学计算公式如下： 当 log_input 设置为 True 时，损失函数的数学计算公式为：

\[\text{loss}(\text{input}, \text{label}) = \text{input} - \text{label} * \log(\text{input}+\text{epsilon}) + \log(\text{label!})\]

其中 epsilon 是 True 时使用的常数小量，使得 loss 计算过程中不会导致对 0 求对数情况的出现。 当 log_input 设置为 False 时，损失函数的数学计算公式为：

\[\text{loss}(\text{input}, \text{label}) = \exp(\text{input}) - \text{label} * \text{input} + \log(\text{label!})\]

损失函数中的最后一项可以使用 Stirling 公式近似，该近似项的计算公式为

\[\text{label} * \log(\text{label}) - \text{label} + 0.5 * \log(2 * \pi * \text{label})\]

将 label 和每个元素都为 1 的同样形状的张量比较，对 label 值超过 1 的索引处考虑此项近似，对 label 的值小于等于 1 的索引处设置此项近似为 0 进行遮盖。

参数

  • log_input (bool，可选) - 输入是否为对数函数映射后结果，默认值为 True。

  • full (bool，可选) - 是否在损失计算中包括 Stirling 近似项。默认值为 False。

  • epsilon (float，可选) - 在 log_input 为 True 时使用的常数小量。默认值为 1e-8。

  • reduction (str，可选) - 指定应用于输出结果的计算方式，可选值有 none、mean 和 sum。默认为 mean，计算 mini-batch loss 均值。设置为 sum 时，计算 mini-batch loss 的总和。设置为 none 时，则返回 loss Tensor。默认值下为 mean。

  • name (str，可选) - 具体用法请参见 Name ，一般无需设置，默认值为 None。

形状

  • input (Tensor) - 输入 Tensor，其形状为 \([N, *]\) ，其中 \(*\) 表示任何数量的额外维度。数据类型为 float16， bfloat16， float32 或 float64。

  • label (Tensor) - 标签 Tensor， 形状、数据类型和 input 相同。

返回

  • output (Tensor) - 输入 input 和 label 间的 Poisson negative log likelihood loss 损失。如果 reduction 为 'none'，则输出 Loss 形状为 [N, *]。如果 reduction 为 'sum' 或者 'mean'，则输出 Loss 形状为 '[]' 。

代码示例

>>> import paddle
>>> paddle.seed(2023)
>>> poisson_nll_loss = paddle.nn.loss.PoissonNLLLoss()
>>> input = paddle.randn([5, 2], dtype=paddle.float32)
>>> label = paddle.randn([5, 2], dtype=paddle.float32)
>>> loss = poisson_nll_loss(input, label)
>>> print(loss)
Tensor(shape=[], dtype=float32, place=Place(cpu), stop_gradient=True,
1.52983975)

使用本API的教程文档