mindspore.nn.WithLossCell
- class mindspore.nn.WithLossCell(backbone, loss_fn)[源代码]
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。
label (Tensor) - shape为 \((N, \ldots)\) 的Tensor。
- 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/r2.3.0rc2/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/r2.3.0rc2/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