Tensorflow Pytork中tf.nn.softmax\u cross\u entropy\u与logits的等价物是什么？

我试图用pytorch复制一个用tensorflow编写的代码。我在tensorflow中遇到了一个损失函数，softmax\u cross\u entropy\u和_logits。我在pytorch中寻找它的等价物，我发现torch.nn.multi-labelsoftmarginloss，虽然我不太确定它是正确的函数。而且我不知道当我使用这个损失函数和网络末端的无relu层时，如何测量我的模型的准确性这是我的代码：

# GRADED FUNCTION: compute_cost 

def compute_cost(Z3, Y):

    loss = torch.nn.MultiLabelSoftMarginLoss()    
    return loss(Z3,Y)


def model(net,X_train, y_train, X_test, y_test, learning_rate = 0.009,
          num_epochs = 100, minibatch_size = 64, print_cost = True):

    optimizer = torch.optim.Adam(net.parameters(), lr=learning_rate)
    optimizer.zero_grad()

    total_train_acc=0

    for epoch in range(num_epochs):
        for i, data in enumerate(train_loader, 0):
            running_loss = 0.0

            inputs, labels = data

            inputs, labels = Variable(inputs), Variable(labels)

            Z3 = net(inputs)

            # Cost function
            cost = compute_cost(Z3, labels)

            # Backpropagation: Define the optimizer. 
            # Use an AdamOptimizer that minimizes the cost.

            cost.backward()
            optimizer.step()             

            running_loss += cost.item()

            # Measuring the accuracy of minibatch
            acc = (labels==Z3).sum()
            total_train_acc += acc.item()
            #Print every 10th batch of an epoch
            if epoch%1 == 0:
            print("Cost after epoch {} : 
            {:.3f}".format(epoch,running_loss/len(train_loader)))

使用。它结合了softmax和交叉熵。从文件：

此条件将nn.LogSoftmax（）和nn.NLLLoss（）组合在一个类中

例如：

#定义损失函数
损耗=焊炬的横向熵（折减量=平均值）
#训练期间
对于（x，y）列装载机：
模型列车（）
y_pred=model（x）#您的输入`torch.FloatTensor`
损耗值=损耗值（y\u pred，y）
打印（丢失值项目（））#打印numpy值
optimizer.zero_grad（）
损失值向后（）
optimizer.step（）

确保

x

和

y

的类型正确。通常转换如下：

loss\u fn（y\u pred.type（torch.FloatTensor）、y.type（torch.LongTensor））

要测量精度，可以定义自定义函数：

def计算精度（y\u pred，y）：
如果列表（y_pred.size（））！=列表（y.size（））：
raise VALUERROR（'输入具有不同的形状'，
列表（y_pred.size（）），“和”，列表（y.size（））
结果=[1如果y1==y2，则y1为0，zip中的y2（y_pred，y）]
返回和（结果）/长度（结果）

并像这样使用两者：

model.train（）
y_pred=模型（x）
损耗值=损耗值（y型前置型（火炬.浮子张量），y型（火炬.长传感器））
_，y_pred=torch.max（y_pred，1）
精度=计算精度（y\u pred，y）
打印（损失值项目（））#打印损失值
打印（精度值）#打印精度值
#更新步骤e.t.c

如果您的输入数据是一个热编码数据，您可以在使用

loss\fn

之前将其转换为常规编码：

\，目标=y.max（尺寸=1）
y_pred=模型（x）
损失值=损失值（y\U pred，目标）

tnx对于我们的anwer，CrossEntropyLoss有一个问题，它不接受一个热编码标签。我可以将它与一个热编码一起使用吗？是的，我会在一分钟后将其附加到答案中。