forked from mindspore-Ecosystem/mindspore
42 lines
1.3 KiB
Plaintext
42 lines
1.3 KiB
Plaintext
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``
|
||
|
||
示例：
|
||
>>> 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)
|
||
|
||
|
||
backbone_network
|
||
|
||
获取骨干网络。
|
||
|
||
返回：
|
||
Cell，骨干网络。
|
||
|