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?
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/