如何解决PyTorch 中具有 log_softmax 的 CrossEntropyLoss 和 NNLLoss 之间的区别？
所以有两种方法。
现在，任何人都应该使用什么方法，为什么？
解决方法
它们是一样的。
如果您检查 the implementation，您会发现它在对传入参数应用 nll_loss 后调用 log_softmax。
return nll_loss(log_softmax(input,1),target,weight,None,ignore_index,reduction)
免责声明：我特别回复“现在，任何人都应该使用什么方法，为什么？”不了解您的用例。
,交叉熵和对数似然是同一公式的两种不同解释。在对数似然情况下，我们最大化正确类的概率（实际上是似然），这与最小化交叉熵相同。虽然你是对的，这两个都在文献中造成了一些歧义，但是，有一些微妙之处和警告，我强烈建议你阅读这个主题，因为这个主题已经在那里进行了严格的讨论。你可能会发现它很有用。
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。
