cross_entropy

    该OP计算输入input和标签label间的交叉熵，可用于计算硬标签或软标签的交叉熵。其中，硬标签是指实际label值，例如：0, 1, 2…，软标签是指实际label的概率，例如：0.6, 0,8, 0,2…

    1. 软标签交叉熵算法：若soft_label = True,

      表明每个样本对应类别j的软标签值:

    • input (Tensor) – 维度为

      的多维Tensor，其中最后一维D是类别数目。数据类型为float32或float64。

    • label (Tensor) – 输入input对应的标签值。若soft_label=False，要求label维度为 [N1,N2,…,Nk][N1,N2,…,Nk] 或 [N1,N2,…,Nk,1][N1,N2,…,Nk,1] ，数据类型为int64，且值必须大于等于0且小于D；若soft_label=True，要求label的维度、数据类型与input相同，且每个样本各软标签的总和为1。

    • ignore_index (int) – 指定一个忽略的标签值，此标签值不参与计算，负值表示无需忽略任何标签值。仅在soft_label=False时有效。 默认值为-100。

    • reduction (str, optional) – 指示如何按批次大小平均损失，可选值为”none”,”mean”,”sum”，如果选择是”mean”，则返回减少后的平均损失；如果选择是”sum”，则返回减少后的总损失。如果选择是”none”，则返回没有减少的损失。默认值是“mean”。

    • soft_label (bool, optional) – 指明label是否为软标签。默认为False，表示label为硬标签；若soft_label=True则表示软标签。

    • name (str，optional） - 操作的名称(可选，默认值为None）。更多信息请参见 。

    表示交叉熵结果的Tensor，数据类型与input相同。若soft_label=False，则返回值维度与label维度相同；若soft_label=True，则返回值维度为 [N1,N2,…,Nk,1][N1,N2,…,Nk,1] 。