1. Learn
    2. /
  2. 课程
    3. /
  3. 使用 PyTorch 的深度学习入门
Connected

道练习

计算交叉熵损失

交叉熵损失是衡量分类损失的常用方法。在本练习中，您将使用 PyTorch 计算交叉熵损失：

  • y：真实标签。
  • scores：softmax 之前的预测向量。

损失函数通过度量预测误差来帮助神经网络学习。请为 y 创建独热编码向量，定义交叉熵损失函数，并使用 scores 和编码后的标签计算损失。结果将是一个表示该样本损失的单个浮点数。

已为您导入 torch、CrossEntropyLoss，以及作为 F 的 torch.nn.functional。

说明 1 / 共 3 个

undefined XP
    1
    2
    3
  • 为真实标签 y 创建具有 4 个特征（每个类别 1 个）的独热编码向量，并将其赋值给 one_hot_label。