Beräkna cross-entropy-förlust
Cross-entropy-förlust är en vanligt förekommande metod för att mäta klassificeringsförlust. I den här övningen beräknar du cross-entropy-förlust i PyTorch med hjälp av:
y: den verkliga etiketten.scores: en vektor med prediktioner innan softmax.
Förlusttfunktioner hjälper neurala nätverk att lära sig genom att mäta prediktionsfel. Skapa en one-hot-kodad vektor för y, definiera cross-entropy-förlusttfunktionen och beräkna förlusten med scores och den kodade etiketten. Resultatet blir ett enda flyttal som representerar urvalets förlust.
torch, CrossEntropyLoss och torch.nn.functional som F har redan importerats åt dig.
Den här övningen är en del av kursen
Introduktion till djupinlärning med PyTorch
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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=____)