如果觉得卡顿,请点击小眼睛关闭蜘蛛网特效

A trap of parameter 'size_average' in pytorch

pytorch的入门教程中有这样的一句:

loss = torch.nn.MSELoss(size_average=True)
input = Variable(torch.ones(2,2), requires_grad=True)
target = Variable(torch.Tensor([[3,3],[3,3]]))
output = loss(input, target)
output.backward()

上面的程序很简单,设定一个loss函数,然后设定一个input和target进行loss计算,然后再backward。

这里我们不看反向过程,只看output的值是多少:

Variable containing:
 4
[torch.FloatTensor of size 1]

这个4是output的值,可以看到这个值是一个scalar而并不是一个向量。

我们再来看一段程序:

loss = torch.nn.MSELoss(size_average=False)
input = Variable(torch.ones(2,2), requires_grad=True)
target = Variable(torch.Tensor([[3,3],[3,3]]))
output = loss(input, target)
output.backward()
output

Out[11]: 
Variable containing:
 16
[torch.FloatTensor of size 1]

同样一段程序,怎么就变成16了,原因是在设置loss函数中我们把参数size_average设为了False。

当size_average为Ture的时候,我们得到4,反之我们得到16,结合size_average参数的官方解释:

size_average (bool, optional): By default, the losses are averaged over
    observations for each minibatch. However, if the field size_average
    is set to False, the losses are instead summed for each minibatch.

也就是说True的loss除以了loss的数量(此处n=4),False的时候loss为summed的也就是全部loss的总和。

size_average参数默认为True,也就是说我们平时计算的时候得到的loss是平均loss。

这样会出现怎么问题呢:

这个参数默认是True,我们平时的训练集都是规整的,也就是说训练集中的每个类数量几乎差不多的训练集,然后我们算出了损失,比如这个损失是个[10]的Tensor,这里的10就是你之前说的N 也就是分类的数量,这个参数设为True则在得出的所有loss中除以N 如果为Flase则不处理直接把所有类的loss直接加起来给你。这个平时加起来和除以N在实际计算中影响不大,但是如果是别的任务 比如RNN 这时候分类loss就需要权重了。每个分类的loss的权重系数应该不一样,或者说训练集中某些类的数据没有另一类多,得出的损失有可能也有缺陷也需要参数,这时在pytorch中我们就无能为力了,因为其只能输出平均或者总和的loss 不能输出a batch of losses 也就是一个类一个损失,这种输出后期我们可以自由处理 。所以说这个是pytorch的一个缺陷 ,在github中的issue中有人提出来了。pytorch的编写人员回复说正在修改底层。

更新:在pytorch0.3中部分损失函数已经得到修改!

另外几个问题:

如何自定义不同权重loss:https://github.com/pytorch/pytorch/issues/563

loss中奇怪的问题:https://discuss.pytorch.org/t/the-default-value-of-size-average-true-in-loss-function-is-a-trap/4251

How to combine multiple criterions to a loss function?
Get loss for individual samples
losses per-batch-element:https://github.com/pytorch/pytorch/issues/264

  点赞
本篇文章采用 知识共享署名-相同方式共享 4.0 国际许可协议 进行许可
转载请务必注明来源: https://oldpan.me/archives/trap-parameter-size_average-pytorch

   欢迎关注Oldpan博客微信公众号,同步更新博客深度学习文章。


发表评论

电子邮件地址不会被公开。 必填项已用*标注

评论审核已启用。您的评论可能需要一段时间后才能被显示。