我想向割炬中添加一个损失函数,以计算预测值和目标值之间的编辑距离。有没有简单的方法可以实现这个想法?还是我必须使用后退和前进功能编写自己的类?
如果您的标准可以表示为现有模块和标准的组合,则最好使用容器简单地构建这种组合。唯一的问题是标准容器仅设计用于模块而不是标准。区别在于:forward
方法签名:
module:forward(input)
criterion:forward(input, target)
幸运的是,我们可以自由定义自己的容器,该容器也可以使用标准。例如,顺序:
local GeneralizedSequential, _ = torch.class('nn.GeneralizedSequential', 'nn.Sequential')
function GeneralizedSequential:forward(input, target)
return self:updateOutput(input, target)
end
function GeneralizedSequential:updateOutput(input, target)
local currentOutput = input
for i=1,#self.modules do
currentOutput = self.modules[i]:updateOutput(currentOutput, target)
end
self.output = currentOutput
return currentOutput
end
以下是如何实现nn.CrossEntropyCriterion
具有此通用顺序容器的说明:
function MyCrossEntropyCriterion(weights)
criterion = nn.GeneralizedSequential()
criterion:add(nn.LogSoftMax())
criterion:add(nn.ClassNLLCriterion(weights))
return criterion
end
检查一切是否正确:
output = torch.rand(3,3)
target = torch.Tensor({1, 2, 3})
mycrit = MyCrossEntropyCriterion()
-- print(mycrit)
print(mycrit:forward(output, target))
print(mycrit:backward(output, target))
crit = nn.CrossEntropyCriterion()
-- print(crit)
print(crit:forward(output, target))
print(crit:backward(output, target))
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句