代码拉取完成,页面将自动刷新
.. py:class:: mindspore.nn.PoissonNLLLoss(log_input=True, full=False, eps=1e-08, reduction='mean') 计算泊松负对数似然损失。 损失为: .. math:: \mathcal{L}_{D} = \sum_{i = 0}^{|D|}\left( x_{i} - y_{i}\ln x_{i} + \ln{y_{i}!} \right) 其中 :math:`\mathcal{L}_{D}` 为损失值, :math:`y_{i}` 为 `target` , :math:`x_{i}` 为 `input` 。 如果 `log_input` 为True,使用 :math:`e^{x_{i}} - y_{i} x_{i}` 而不是 :math:`x_{i} - y_{i}\ln x_{i}` 进行计算。 计算对数时,`input` 的下界设置为 `eps`,以避免数值误差。 如果 `full` 为False,则最后一项::math:`\ln{y_{i}!}` 将被省略。否则,最后一项将使用斯特林公式近似: .. math:: n! \approx \sqrt{2\pi n}\left( \frac{n}{e} \right)^{n} .. note:: 在Ascend下计算负数的对数或大正数的指数将具有与GPU和CPU下不同的返回值和结果范围。 参数: - **log_input** (bool,可选) - 是否使用对数输入。默认值: ``True`` 。 - **full** (bool,可选) - 是否在损失计算中包括斯特林近似项。默认值: ``False`` 。 - **eps** (float,可选) - 算对数时 `input` 的下界。默认值: ``1e-08`` 。 - **reduction** (str,可选) - 指定应用于输出结果的规约计算方式,可选 ``'none'`` 、 ``'mean'`` 、 ``'sum'`` ,默认值: ``'mean'`` 。 - ``"none"``:不应用规约方法。 - ``"mean"``:计算输出元素的平均值。 - ``"sum"``:计算输出元素的总和。 输入: - **input** (Tensor) - 输入Tensor。shape可以是任意维。 - **target** (Tensor) - 标签Tensor,其shape与 `input` 相同。 输出: Tensor或Scalar,如果 `reduction` 为none',则输出是Tensor,其形状与 `input` 相同。否则,它是Scalar。 异常: - **TypeError** - `reduction` 不是str类型。 - **TypeError** - `input` 或 `target` 都不是Tensor。 - **TypeError** - `input` 或 `target` 的数据类型不支持。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。