mindspore.nn.NLLLoss
====================

.. py:class:: mindspore.nn.NLLLoss(weight=None, ignore_index=-100, reduction='mean')

    计算预测值和目标值之间的负对数似然损失。

    `reduction` 为'none'时，负对数似然损失公式如下：

    .. math::
        \ell(x, t)=L=\left\{l_{1}, \ldots, l_{N}\right\}^{\top},
        \quad l_{n}=-w_{t_{n}} x_{n, t_{n}},
        \quad w_{c}=\text { weight }[c] \cdot \mathbb{1}
        \{c \not= \text{ignore_index}\},

    其中， :math:`x` 表示预测值， :math:`t` 表示目标值， :math:`w` 表示权重， :math:`N`表示batch size， :math:`c` 限定范围为 :math:`[0, C-1]`，表示类索引，其中 :math:`C` 表示类的数量。

    若 `reduction` 不为'none'（默认为'mean'），则

    .. math::
        \ell(x, t)=L=\left\{\begin{array}{ll}
        \sum_{n=1}^{N} \frac{1}{\sum_{n=1}^{N} w_{t n}} l_{n}, & \text { if reduction }=\text { 'mean', } \\
        \sum_{n=1}^{N} l_{n}, & \text { if reduction }=\text { 'sum' }
        \end{array}\right.

    **参数：**

    - **weight** (Tensor) - 指定各类别的权重。若值不为None，则shape为 :math:`(C,)`。数据类型仅支持float32或float16。默认值: None。
    - **ignore_index** (int) - 指定target中需要忽略的值(一般为填充值)，使其不对梯度产生影响。默认值: -100。
    - **reduction** (str) - 指定应用于输出结果的计算方式，比如'none'、'mean'、'sum'，默认值：'mean'。

    **输入：**

    - **logits** (Tensor) - 输入预测值，shape为 :math:`(N, C)` 或 :math:`(N, C, d_1, d_2, ..., d_K)` (针对 :math:`K` 维数据)。`inputs` 需为对数概率。数据类型仅支持float32或float16。
    - **labels** (Tensor) - 输入目标值，shape为 :math:`(N)` 或 :math:`(N, d_1, d_2, ..., d_K)` (针对 :math:`K` 维数据)。
      数据类型仅支持int32。

    **返回：**

    Tensor，一个数据类型与logits相同的Tensor。

    **异常：**

    - **TypeError** - `weight` 不是Tensor。
    - **TypeError** - `weight` 的dtype既不是float16，也不是float32。
    - **TypeError** - `ignore_index` 不是int。
    - **ValueError** - `reduction` 不为"mean"、"sum"，或"none"。
    - **TypeError** - `logits` 不是Tensor。
    - **TypeError** - `labels` 不是Tensor。