forked from mindspore-Ecosystem/mindspore
53 lines
1.3 KiB
ReStructuredText
53 lines
1.3 KiB
ReStructuredText
mindspore.nn.WithLossCell
|
||
=========================
|
||
|
||
.. py:class:: mindspore.nn.WithLossCell(backbone, loss_fn)
|
||
|
||
包含损失函数的Cell。
|
||
|
||
封装 `backbone` 和 `loss_fn` 。此Cell接受数据和标签作为输入，并将返回损失函数作为计算结果。
|
||
|
||
**参数：**
|
||
|
||
- **backbone** (Cell) - 要封装的目标网络。
|
||
- **loss_fn** (Cell) - 用于计算损失函数。
|
||
|
||
**输入：**
|
||
|
||
- **data** （Tensor） - shape为 :math:`(N, \ldots)` 的Tensor。
|
||
- **label** （Tensor） - shape为 :math:`(N, \ldots)` 的Tensor。
|
||
|
||
**输出：**
|
||
|
||
Tensor，loss值，其shape通常为 :math:`()` 。
|
||
|
||
**异常：**
|
||
|
||
**TypeError**：`data` 或 `label` 的数据类型既不是float16也不是float32。
|
||
|
||
**支持平台：**
|
||
|
||
``Ascend`` ``GPU`` ``CPU``
|
||
|
||
**样例：**
|
||
|
||
>>> net = Net()
|
||
>>> loss_fn = nn.SoftmaxCrossEntropyWithLogits(sparse=False)
|
||
>>> net_with_criterion = nn.WithLossCell(net, loss_fn)
|
||
>>>
|
||
>>> batch_size = 2
|
||
>>> data = Tensor(np.ones([batch_size, 1, 32, 32]).astype(np.float32) * 0.01)
|
||
>>> label = Tensor(np.ones([batch_size, 10]).astype(np.float32))
|
||
>>>
|
||
>>> output_data = net_with_criterion(data, label)
|
||
|
||
|
||
.. py:method:: backbone_network
|
||
:property:
|
||
|
||
获取骨干网络。
|
||
|
||
**返回：**
|
||
|
||
Cell，骨干网络。
|