我想向 Torch 添加一个损失函数,用于计算预测值和目标值之间的编辑距离。
有没有一种简单的方法来实现这个想法?
还是我必须编写自己的具有向后和向前功能的类?
最佳答案
如果您的标准可以表示为现有模块和标准的组合,那么使用容器简单地构建这样的组合是一个好主意。唯一的问题是标准容器被设计为仅与模块一起使用,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,它也可以使用标准。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
下面是如何实现
nn.CrossEntropyCriterion
的图示拥有这个通用的顺序容器: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))
关于torch - 将我的自定义损失函数添加到 torch,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33648796/