mindspore.ops.KLDivLoss
- class mindspore.ops.KLDivLoss(reduction='mean')[源代码]
计算输入 logits 和 labels 的KL散度。
对于相同形状的张量 \(x\) 和 \(target\) ,KLDivLoss的计算公式如下:
\[L(x, target) = target \cdot (\log target - x)\]输出
\[\begin{split}\ell(x, target) = \begin{cases} L(x, target), & \text{if reduction} = \text{'none';}\\ \operatorname{mean}(L(x, target)), & \text{if reduction} = \text{'mean';}\\ \operatorname{sum}(L(x, target)) / x.\operatorname{shape}[0], & \text{if reduction} = \text{'batchmean';}\\ \operatorname{sum}(L(x, target)), & \text{if reduction} = \text{'sum'.} \end{cases}\end{split}\]其中 \(x\) 代表 logits ; \(target\) 代表 labels ; \(\ell(x, target)\) 为 output 。
Note
目前Ascend平台不支持数据类型float64。
仅当 reduction 设置为”batchmean”时输出才与KL散度的数学定义一致。
参数:
reduction (str) - 指定输出结果的计算方式。默认值: “mean”。
在Ascend平台上, reduction 的可选值为”batchmean”、”none”或”sum”。
在GPU平台上, reduction 的可选值为”mean”、”none”或”sum”。
输入:
logits (Tensor) - 数据类型支持float16、float32或float64。
labels (Tensor) - 标签Tensor,与 logits 的shape和数据类型相同。
输出:
Tensor或标量。如果 reduction 为”none” ,则输出为Tensor且与 logits 的shape相同。否则为标量。
异常:
TypeError - reduction 不是str。
TypeError - logits 或 labels 不是Tensor。
TypeError - logits 或 labels 的数据类型不是支持的类型。
RuntimeError - logits 或 labels 是标量并且 reduction 是”batchmean”。
- 支持平台:
Ascend
GPU
样例:
>>> class Net(nn.Cell): ... def __init__(self): ... super(Net, self).__init__() ... self.kldiv_loss = ops.KLDivLoss(reduction='sum') ... def construct(self, logits, labels): ... result = self.kldiv_loss(logits, labels) ... return result ... >>> net = Net() >>> logits = Tensor(np.array([0.2, 0.7, 0.1]), mindspore.float32) >>> labels = Tensor(np.array([0., 1., 0.]), mindspore.float32) >>> output = net(logits, labels) >>> print(output) -0.7