pytorch 区间loss 损失函数
我们知道sigmoid可以把值转化为0-1之间。
tanh函数可以把值转化到[-1,1]之间,
但是在回归时,希望梯度是均匀的,有么有别的方法呢?
答案是肯定的,
解决方法1:
data=torch.sin(data),这个跟SIGMOD效果差不多,
周期性函数,把值变到了[-1,1]之间。
周期性函数,把值变到了[0,1]之间,加了abs这个不收敛:
loss0 = bce_loss(torch.abs(torch.cos(out)), labels_v)
解决方法2:
比如要回归A,希望A在1到-1之间,可以设计损失函数:
import torch
class My_Loss3(torch.nn.Module):
def __init__(self):
super(My_Loss3, self).__init__()
def forward(self, pred_angle0, label):
l1 = torch.clamp(torch.abs(pred_angle0)-1, min=0)
c1 = torch.abs(pred_angle0 - label)
c2 =torch.abs(2 - c1)
l3 = torch.where(c1 > c2, c2, c1)
return torch.mean(0.1*l3 + l1)
希望
版权说明 : 本文为转载文章, 版权归原作者所有 版权申明
原文链接 : https://blog.csdn.net/jacke121/article/details/121216624
内容来源于网络,如有侵权,请联系作者删除!