将我的自定义损失函数添加到 torch

我想在 torch 中添加一个损失函数来计算预测值和目标值之间的编辑距离。 有没有一种简单的方法来实现这个想法？ 或者我必须编写自己的具有向后和向前函数的类吗？

如果您的标准可以表示为现有模块和标准的组合，那么最好使用容器简单地构造这样的组合。唯一的问题是标准容器被设计为仅与模块一起使用，而不是与标准一起使用。区别在于:forward方法签名：

module:forward(input)
criterion:forward(input, target)

幸运的是，我们可以自由定义自己的容器，它也可以使用标准。例如，顺序：

local GeneralizedSequential, _ = torch.class('nn.GeneralizedSequential', 'nn.Sequential')

function GeneralizedSequential:forward(input, target)
    return self:updateOutput(input, target)
end

function GeneralizedSequential:updateOutput(input, target)
    local currentOutput = input
    for i=1,#self.modules do
        currentOutput = self.modules[i]:updateOutput(currentOutput, target)
    end
    self.output = currentOutput
    return currentOutput
end

下面是如何实现的图解nn.CrossEntropyCriterion具有这个通用的顺序容器：

function MyCrossEntropyCriterion(weights)
    criterion = nn.GeneralizedSequential()
    criterion:add(nn.LogSoftMax())
    criterion:add(nn.ClassNLLCriterion(weights))
    return criterion
end

检查一切是否正确：

output = torch.rand(3,3)
target = torch.Tensor({1, 2, 3})

mycrit = MyCrossEntropyCriterion()
-- print(mycrit)
print(mycrit:forward(output, target))
print(mycrit:backward(output, target))

crit = nn.CrossEntropyCriterion()
-- print(crit)
print(crit:forward(output, target))
print(crit:backward(output, target))