如何解决PyTorch 中使用 DNN 输出和附加变量的自定义损失函数
(如果我的英语不好,我很抱歉)
如果函数只需要 DNN 输出向量(预测)和 DNN 输出向量(真实情况),我可以在 PyTorch 中创建自己的损失函数。
我想使用额外的变量来计算损失。
我的训练和测试数据如下所示;
DNN 输入:
-
Data_A
-> 处理 1 ->Data_X
DNN 输出:
-
Data_A
-> 处理 1 ->Data_X
-
Data_B
-> 处理 1 ->Data_P
-
Data_X
,Data_P
-> 处理 2 ->Data_Y
然后我将 Data_X
和 Data_Y
分为训练数据和测试数据。
x_train,x_test,y_train,y_test = train_test_split(Data_X,Data_Y,test_size=0.2,random_state=0)
我想使用 Data_A
、Data_B
、Data_Y(predicted)
和 Data_Y(ground truth)
来计算损失。
我看到了很多只使用 Data_Y(predicted)
和 Data_Y(ground truth)
的自定义损失函数示例。我以前可以使用这样一个定制的损失函数。
但是,当我想使用另一个附加变量时,我不知道该怎么做。
有什么好办法吗?感谢您的帮助!
解决方法
您对损失函数的结构没有限制(只要梯度有意义)。
例如,您可以:
class MyLossLayer(nn.Module):
def __init__(self):
super(MyLossLayer,self).__init__()
def forward(self,pred_a,pred_b,gt_target):
# I'm just guessing here - do whatever you want as long as you do not screw the gradients.
loss = pred_a * (pred_b - target)
return loss.mean()
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。