我是 DNN 和 pytorch 的初学者。
我正在处理一个多分类问题，其中我的标签被编码为一个单热向量，比如维度 D .
为此，我使用了 CrossEntropyLoss。但是现在我想修改或更改此类标准，以惩罚与实际值相距甚远的值，例如分类 4 而不是 5 优于分类 2 而不是 5。
Pytorch 中是否已经内置了一个函数来实现这种行为？否则我如何修改 CrossEntropyLoss 来实现它？
最佳答案
这可以帮助你。这是一个 PyTorch 实现序数回归:
https://www.ethanrosenthal.com/2018/12/06/spacecutter-ordinal-regression/
关于optimization - pytorch中序数多分类的损失函数，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/52761533/