2022-02-19 14:42:47 +08:00
|
|
|
|
mindspore.nn.SampledSoftmaxLoss
|
|
|
|
|
|
================================
|
|
|
|
|
|
|
|
|
|
|
|
.. py:class:: mindspore.nn.SampledSoftmaxLoss(num_sampled, num_classes, num_true=1, sampled_values=None, remove_accidental_hits=True, seed=0, reduction='none')
|
|
|
|
|
|
|
|
|
|
|
|
抽样交叉熵损失函数。
|
|
|
|
|
|
|
2022-09-02 16:46:41 +08:00
|
|
|
|
一般在类别数很大时使用。可加速训练以交叉熵为损失函数的分类器。
|
2022-02-19 14:42:47 +08:00
|
|
|
|
|
2022-07-25 16:47:23 +08:00
|
|
|
|
参数：
|
|
|
|
|
|
- **num_sampled** (int) - 抽样的类别数。
|
|
|
|
|
|
- **num_classes** (int) - 类别总数。
|
2022-09-02 16:46:41 +08:00
|
|
|
|
- **num_true** (int) - 每个训练样本的类别数。默认值：1。
|
2022-07-25 16:47:23 +08:00
|
|
|
|
- **sampled_values** (Union[list, tuple]) - 抽样候选值。由 `*CandidateSampler` 函数返回的(`sampled_candidates`, `true_expected_count` , `sampled_expected_count`)的list或tuple。如果默认值为None，则应用 `UniformCandidateSampler` 。
|
|
|
|
|
|
- **remove_accidental_hits** (bool) - 是否移除抽样中的目标类等于标签的情况。默认值：True。
|
|
|
|
|
|
- **seed** (int) - 抽样的随机种子。默认值：0。
|
|
|
|
|
|
- **reduction** (str) - 指定应用于输出结果的计算方式。取值为"mean"，"sum"，或"none"。取值为"none"，则不执行reduction。默认值："none"。
|
|
|
|
|
|
|
|
|
|
|
|
输入：
|
|
|
|
|
|
- **weights** (Tensor) - 输入的权重，shape为 :math:`(C, dim)` 的Tensor。
|
|
|
|
|
|
- **bias** (Tensor) - 分类的偏置。shape为 :math:`(C,)` 的Tensor。
|
|
|
|
|
|
- **labels** (Tensor) - 输入目标值Tensor，其shape为 :math:`(N, num\_true)` ，其数据类型为 `int64, int32` 。
|
|
|
|
|
|
- **logits** (Tensor) - 输入预测值Tensor，其shape为 :math:`(N, dim)` 。
|
|
|
|
|
|
|
|
|
|
|
|
输出：
|
|
|
|
|
|
Tensor或Scalar，如果 `reduction` 为'none'，则输出是shape为 :math:`(N,)` 的Tensor。否则，输出为Scalar。
|
|
|
|
|
|
|
|
|
|
|
|
异常：
|
|
|
|
|
|
- **TypeError** - `sampled_values` 不是list或tuple。
|
|
|
|
|
|
- **TypeError** - `labels` 的数据类型既不是int32，也不是int64。
|
|
|
|
|
|
- **ValueError** - `reduction` 不为'none'、'mean'或'sum'。
|
|
|
|
|
|
- **ValueError** - `num_sampled` 或 `num_true` 大于 `num_classes` 。
|
|
|
|
|
|
- **ValueError** - `sampled_values` 的长度不等于3。
|
