optimization - pytorch中序数多分类的损失函数
问题描述
我是 DNN 和 pytorch 的初学者。我正在处理一个多分类问题,其中我的标签被编码为一个单热向量,比如维度D
。为此,我使用了 CrossEntropyLoss。但是现在我想修改或更改此类标准以惩罚与实际值相距甚远的值,例如分类 4 而不是 5 优于 2 而不是 5。
Pytorch 中是否已经内置了实现此行为的函数?否则我该如何修改 CrossEntropyLoss 来实现呢?
解决方案
这可以帮助你。这是一个 PyTorch 实现序数回归: https ://www.ethanrosenthal.com/2018/12/06/spacecutter-ordinal-regression/
推荐阅读
- pytorch - torch.nn.MultiheadAttention 中的 Query Q、Key K 和 Value V 向量/矩阵应该是什么?
- html - 如何在屏幕中居中元素?
- domain-driven-design - DDD 依赖示例
- pandas - 如何将计数为 1 的所有列重命名为“其他”
- postgresql - 在 Datawarehouse (Postgresql) 中搜索变量
- python - 用 Pyserial 编写 ASCII 命令
- angular - 错误无角度:“拒绝执行内联脚本,因为它违反了以下内容安全策略指令:“script-src 'self'”
- mule - 在 Mule 4 中模拟拦截器
- xcode - 使用 Xcode 将自定义字体捆绑到 macOS 独立应用程序中
- javascript - 确认取消按钮不停止 JavaScript