mindspore.nn.WithLossCell

class mindspore.nn.WithLossCell(backbone, loss_fn)

包含损失函数的Cell。

封装 backbone 和 loss_fn 。此Cell接受数据和标签作为输入，并将返回损失函数作为计算结果。

参数：

• backbone (Cell) - 要封装的骨干网络。

• loss_fn (Cell) - 用于计算损失函数。

输入：

• data (Tensor) - shape为 \((N, \ldots)\) 的Tensor。 data 的数据类型必须是float16或float32。

• label (Tensor) - shape为 \((N, \ldots)\) 的Tensor。 label 的数据类型必须是float16或float32。

输出：

Tensor，loss值，其shape通常为 \(()\) 。

异常：

• TypeError - data 或 label 的数据类型既不是float16也不是float32。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore as ms
>>> from mindspore import Tensor, nn
>>> import numpy as np
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/master/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> loss_fn = nn.SoftmaxCrossEntropyWithLogits(sparse=False)
>>> net_with_criterion = nn.WithLossCell(net, loss_fn)
>>>
>>> batch_size = 2
>>> data = Tensor(np.ones([batch_size, 1, 32, 32]).astype(np.float32) * 0.01)
>>> label = Tensor(np.ones([batch_size, 10]).astype(np.float32))
>>>
>>> output_data = net_with_criterion(data, label)

property backbone_network

获取骨干网络。

返回：

Cell，骨干网络。

样例：

>>> from mindspore import nn
>>> # Define the network structure of LeNet5. Refer to
>>> # https://gitee.com/mindspore/docs/blob/master/docs/mindspore/code/lenet.py
>>> net = LeNet5()
>>> loss_fn = nn.SoftmaxCrossEntropyWithLogits(sparse=False)
>>> net_with_criterion = nn.WithLossCell(net, loss_fn)
>>> backbone = net_with_criterion.backbone_network