neural-network - 如何编写自定义 CrossEntropyLoss
问题描述
我正在 Pytorch 中学习逻辑回归,为了更好地理解我正在定义一个自定义 CrossEntropyLoss,如下所示:
def softmax(x):
exp_x = torch.exp(x)
sum_x = torch.sum(exp_x, dim=1, keepdim=True)
return exp_x/sum_x
def log_softmax(x):
return torch.exp(x) - torch.sum(torch.exp(x), dim=1, keepdim=True)
def CrossEntropyLoss(outputs, targets):
num_examples = targets.shape[0]
batch_size = outputs.shape[0]
outputs = log_softmax(outputs)
outputs = outputs[range(batch_size), targets]
return - torch.sum(outputs)/num_examples
我还进行了自己的逻辑回归(以预测 FashionMNIST),如下所示:
input_dim = 784 # 28x28 FashionMNIST data
output_dim = 10
w_init = np.random.normal(scale=0.05, size=(input_dim,output_dim))
w_init = torch.tensor(w_init, requires_grad=True).float()
b = torch.zeros(output_dim)
def my_model(x):
bs = x.shape[0]
return x.reshape(bs, input_dim) @ w_init + b
为了验证我的自定义交叉熵损失,我将其与 Pytorch 的 nn.CrossEntropyLoss 进行了比较,将其应用于 FashionMNIST 数据,如下所示:
criterion = nn.CrossEntropyLoss()
for X, y in trn_fashion_dl:
outputs = my_model(X)
my_outputs = softmax(outputs)
my_ce = CrossEntropyLoss(my_outputs, y)
pytorch_ce = criterion(outputs, y)
print (f'my custom cross entropy: {my_ce.item()}\npytorch cross entroopy: {pytorch_ce.item()}')
break
我的问题是关于结果 my_ce (我的交叉熵)与 pytorch_ce (pytorch 交叉熵)的不同之处:
my custom cross entropy: 9.956839561462402
pytorch cross entroopy: 2.378990888595581
我提前感谢您的帮助!
解决方案
您的代码中有两个错误。
log_softmax(x)
应该是这样的,
def log_softmax(x):
return torch.log(softmax(x))
- 当您计算自己的 CE 损失时,您应该输入
outputs
而不是my_outputs
。因为您将softmax
在自己的 CE 损失函数中进行计算。应该是这样的,
outputs = my_model(X)
my_ce = CrossEntropyLoss(outputs, y)
pytorch_ce = criterion(outputs, y)
然后你会得到相同的结果。
my custom cross entropy: 3.584486961364746
pytorch cross entroopy: 3.584486961364746
推荐阅读
- javascript - socket.io 断开连接让玩家精灵落后
- amazon-web-services - 我可以创建一个角色来将文件写入 S3 存储桶,对任何用户都有效吗?
- regex - 如何在 Google 表单响应验证正则表达式中使用否定前瞻?
- firebase - 如何在快照上从 Firestore 获取文档 ID
- javascript - 使用 React useState 统一输入值
- c++ - 在派生类中使用复制赋值
- python - 如何为 If 语句返回的变量赋值
- c++ - 将文件分成 2 个向量并使用向量创建一个新文件
- parsing - 从单个 div 内的多个 span 标签中获取文本,但没有额外的区分信息
- c++ - __MACH__ 对于#ifdef 意味着什么?