LoslegenKostenlos starten

Kreuzentropieverlust berechnen

Der Kreuzentropieverlust ist eine weit verbreitete Methode zur Messung des Klassifikationsverlustes. In dieser Übung berechnest du den Kreuzentropieverlust in PyTorch mithilfe von:

  • y: dem Ground-Truth-Label.
  • scores: einem Vektor der Vorhersagen vor Softmax.

Verlustfunktionen helfen neuronalen Netzen beim Lernen, indem sie Vorhersagefehler messen. Erstelle einen kodierten One-Hot-Vektor für y, definiere die Kreuzentropieverlust-Funktion und berechne den Verlust mit scores und dem kodierten Label. Das Ergebnis ist ein einzelner Float, der den Verlust der Probe darstellt.

torch, CrossEntropyLoss und torch.nn.functional, als F wurden bereits für dich importiert.

Diese Übung ist Teil des Kurses

<Kurs>Einführung in Deep Learning mit PyTorch</Kurs>
Kurs ansehen

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

import torch
import torch.nn.functional as F
from torch.nn import CrossEntropyLoss

y = [2]
scores = torch.tensor([[0.1, 6.0, -2.0, 3.2]])

# Create a one-hot encoded vector of the label y
one_hot_label = F.____(torch.____(____), num_classes=____)
Code bearbeiten und ausführen