我是一个DNN和pytorch的初学者。
我正在处理一个多分类问题，其中我的标签编码为one-hot向量，维度为D。
为此，我使用CrossEntropyLoss。但现在我想修改或更改这种标准，以惩罚远离实际值的值，例如将4分类而不是5分类更好，而2分类而不是5分类更好。
在Pytorch中是否已经内置了实现此行为的函数？否则，我如何修改CrossEntropyLoss以实现它？
PyTorch中的有序多分类损失函数
6
- Chutlhu
3
这听起来像是一个回归问题，不是吗？ - Shihab Shahriar Khan
已经回答过了：
https://dev59.com/HFoT5IYBdhLWcg3wnQj9 - Chutlhu
可能是神经网络年龄序数分类的重复问题。 - Chutlhu
1个回答
0
这可能会对你有所帮助。这是一个PyTorch实现的序数回归： https://www.ethanrosenthal.com/2018/12/06/spacecutter-ordinal-regression/
- mostafa.elhoushi
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接