mindspore.nn.SampledSoftmaxLoss ================================ .. image:: https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/website-images/master/resource/_static/logo_source.svg :target: https://gitee.com/mindspore/mindspore/blob/master/docs/api/api_python/nn/mindspore.nn.SampledSoftmaxLoss.rst :alt: 查看源文件 .. py:class:: mindspore.nn.SampledSoftmaxLoss(num_sampled, num_classes, num_true=1, sampled_values=None, remove_accidental_hits=True, seed=0, reduction='none') 抽样交叉熵损失函数。 一般在类别数很大时使用。可加速训练以交叉熵为损失函数的分类器。 参数: - **num_sampled** (int) - 抽样的类别数。 - **num_classes** (int) - 类别总数。 - **num_true** (int) - 每个训练样本的类别数。默认值: ``1`` 。 - **sampled_values** (Union[list, tuple]) - 抽样候选值。由 `*CandidateSampler` 函数返回的(`sampled_candidates`, `true_expected_count` , `sampled_expected_count`)的list或tuple。如果默认值为None,则应用 `UniformCandidateSampler` 。默认值: ``None`` 。 - **remove_accidental_hits** (bool) - 是否移除抽样中的目标类等于标签的情况。默认值: ``True`` 。 - **seed** (int) - 抽样的随机种子。默认值: ``0`` 。 - **reduction** (str,可选) - 指定应用于输出结果的规约计算方式,可选 ``'none'`` 、 ``'mean'`` 、 ``'sum'`` ,默认值: ``'none'`` 。 - ``"none"``:不应用规约方法。 - ``"mean"``:计算输出元素的平均值。 - ``"sum"``:计算输出元素的总和。 输入: - **weights** (Tensor) - 输入的权重,shape为 :math:`(C, dim)` 的Tensor。 - **bias** (Tensor) - 分类的偏置。shape为 :math:`(C,)` 的Tensor。 - **labels** (Tensor) - 输入目标值Tensor,其shape为 :math:`(N, num\_true)` ,其数据类型为 `int64, int32` 。 - **logits** (Tensor) - 输入预测值Tensor,其shape为 :math:`(N, dim)` 。 输出: Tensor或Scalar,如果 `reduction` 为 ``'none'`` ,则输出是shape为 :math:`(N,)` 的Tensor。否则,输出为Scalar。 异常: - **TypeError** - `sampled_values` 不是list或tuple。 - **TypeError** - `labels` 的数据类型既不是int32,也不是int64。 - **ValueError** - `reduction` 不为 ``'none'`` 、 ``'mean'`` 或 ``'sum'`` 。 - **ValueError** - `num_sampled` 或 `num_true` 大于 `num_classes` 。 - **ValueError** - `sampled_values` 的长度不等于3。