关于 Code/4_viewer/6_hook_for_grad_cam.py 中comp_class_vec计算Loss的疑惑

[thgpddl]

源代码如下：

def comp_class_vec(ouput_vec, index=None):
    if not index:
        index = np.argmax(ouput_vec.cpu().data.numpy()) # int
    else:
        index = np.array(index)
    index = index[np.newaxis, np.newaxis]   # (1,1) ndarray
    index = torch.from_numpy(index)     # (1,1) Tensor
    one_hot = torch.zeros(1, 1000).scatter_(1, index, 1)    # 热编码   (1,1000) Tensor  全0和一个和1
    one_hot.requires_grad = True
    class_vec = torch.sum(one_hot * output)  # 求损失

    return class_vec

按照我对该Loss计算方法的理解，

比如5分类，ouput_vec最大最大概率为pos=3的类别，
ouput_vec=[0.1,0.1,0.6,0.1,0.1]
one_hot = [0,0,1,0,0]
计算torch.sum(one_hot * output)=0.6

如果pos=3类别的概率更高，计算出的torch.sum(one_hot * output)会越大。但是按直观来理解，网络判断正确的概率更高了，所以Loss应该更低才对啊？

[TingsongYu]

此处不是损失函数的概念，而是激活值的概念，利用激活值反向传播回去。所以是应该越大的，这个参考论文