Calcolare la cross entropy loss
La cross-entropy loss è un metodo ampiamente usato per misurare l’errore nelle classificazioni. In questo esercizio calcolerai la cross-entropy loss in PyTorch usando:
y: l’etichetta reale (ground truth).scores: un vettore di predizioni prima della softmax.
Le funzioni di loss aiutano le reti neurali a imparare misurando gli errori di previsione. Crea un vettore one-hot per y, definisci la funzione di loss cross-entropy e calcola la loss usando scores e l’etichetta codificata. Il risultato sarà un singolo float che rappresenta la loss del campione.
torch, CrossEntropyLoss e torch.nn.functional come F sono già stati importati per te.
Questo esercizio fa parte del corso
Introduzione al Deep Learning con PyTorch
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
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=____)