计算输入 input
、variance
和标签 label
间的 GaussianNLL 损失, label
被视为高斯分布的样本,其期望 input
和方差 variance
由神经网络预测给出。 对于一个具有高斯分布的 Tensor label
,期望 input
和正方差 var
与其损失的数学计算公式如下:
- input (Tensor):输入
Tensor
,其形状为 (N, * ) 或者 ( * ),其中 * 表示任何数量的额外维度。将被拟合成为高斯分布。数据类型为 float32 或 float64。 - label (Tensor):输入
Tensor
,其形状为 (N, * ) 或者 ( * ),形状与input
相同,或者维度与 input 相同但最后一维的大小为 1,如input
的形状为: (N, 3) 时,input
的形状可为 (N, 1),这时会进行 broadcast 操作。为服从高斯分布的样本。数据类型为 float32 或 float64。 - variance (Tensor): 输入
Tensor
,其形状为 (N, * ) 或者 ( * ),形状与input
相同,或者维度与 input 相同但最后一维的大小为 1,或者维度与 input 相比缺少最后一维,如input
的形状为: (N, 3) 时,input
的形状可为 (N, 1) 或 (N),这时会进行 broadcast 操作。正方差样本,可为不同标签对应不同的方差(异方差性),也可以为同一个方差(同方差性)。数据类型为 float32 或 float64。 - full (bool,可选) - 是否在损失计算中包括常数项。默认情况下为 False,表示忽略最后的常数项。
- epsilon (float,可选) - 用于限制 variance 的值,使其不会导致除 0 的出现。默认值为 1e-6。
- reduction (str,可选) - 指定应用于输出结果的计算方式,可选值有
none
、mean
和sum
。默认为mean
,计算mini-batch
loss 均值。设置为 sum 时,计算 mini-batch loss 的总和。设置为none
时,则返回 loss Tensor。 - name (str,可选) - 具体用法请参见
api_guide_Name
,一般无需设置,默认值为 None。
Tensor,返回存储表示 gaussian negative log likelihood loss 的损失值。如果 reduction 为 'none',则输出 Loss 形状与输入相同为 (N, *)。如果 reduction 为 'sum' 或者 'mean',则输出 Loss 形状为 '(1)' 。
COPY-FROM: paddle.nn.functional.gaussian_nll_loss