Loss functionのあれこれ

semantic segmentationのloss functionで完全に迷子になったので復習．

回帰用

1. torch.nn.L1Loss()
   $$loss(x, y) = \frac{1}{n} \sum_{i=1}^n |x_i - y_i|$$
   これで学習すると重みがsparseになりやすいことが知られている.
2. torch.nn.MSELoss
   $$loss(x, y) = \frac{1}{n}\sum_i |x_i - y_i|^2$$

---

分類用

$C$個のクラスに分類する．

1. torch.nn.CrossEntropyLoss
   NLLとsoftmaxを合成したloss.
   minibatch $\mathbf{X}$として，その元$\mathbf{x}$は$C$次元のベクトルで，$i$成分がクラス$i \in \{0,...,C-1\}$に分類されるスコアであるとする．スコアは$softmax$によって確率に変換される．
   $class$を$\mathbf{x}$が分類されるべきクラス,$p_{class}$を$\mathbf{x}$が$class$に分類される確率とすると，
   

   $$\begin{aligned}loss(\mathbf{x}, class) &= - \log \frac{\exp(\mathbf{x}[class])}{\sum_j \exp(\mathbf{x}[j])} =-\log p_{class}\\ &=-\mathbf{x}[class] + \log (\sum_j \exp(\mathbf{x}[j])) \end{aligned}$$
   pytorchでは，入力は
   input: $(N, C)$のtensor. $j$行は$\mathbf{x}_j$.
   target: $(N)$のtensor, $(\mathbf{x}_1\text{のクラス},...,\mathbf{x}_N\text{のクラス})$

2. torch.nn.NLLLoss
   Cross Entropy Lossとほとんど同じ． softmaxを噛ませるか噛ませないか.
   

   $$loss(\mathbf{x}, class) = -\mathbf{x}[class]$$

3. torch.nn.PoissonNLLLoss 略

4. torch.nn.NLLLoss2d
   NLLLossの画像版で，inputのピクセルごとにNLLLossを計算する．
   input: $(N, C, H, W)$のtensor. とりあえずmini-batchの次元$N$は無視するとして，$c \in C$の$i, j$成分に対応する要素を$x^{c}_{i,j}$とすると，
   $x^{c}_{i,j}$がinputの$(i, j)$ピクセルがクラス$c$に属するスコアであって，$class(ij)$をそれが属すべき真のクラスとすると
   

   $$loss(\mathbf{x}, \mathbf{class}) =- \sum_{i,j} \mathbf{x}_{class(ij)}$$
   targetは$(N, H, W)$というtensorで，$(n, h, w)$成分は,
   $$target_{n, h, w} = \begin{cases} 1 \ \ \ \ &(n = class(hw)) \\ 0 &( \text{otherwise}) \end{cases}$$

5. torch.nn.KLDivLoss
   KL-divergenceによるloss. inputは確率分布だから，総和は1になる．
   

   $$loss(x, target) = \frac{1}{n} \sum (target_i * (\log (target_i) - x_i))$$

6. torch.nn.BCELoss, binary cross entropy criterion
   

   $$loss(o, t) = -\frac{1}{n} \sum_i \{t[i] \log (o[i]) + (1-t[i] \log(1-o[i])\})$$
   不安定なので，BCEWithLogitsLossが提案されている．

7. BCEWithLogitsLoss
   

   $$loss (o, t) = -\frac{1}{n} \sum_i \left\{t[i] \log(sigmoid(o[i])) + (1-t[i]) \log(1- sigmoid(o[i]))\right\}$$
   auto-encoderに使われるらしい． $0 \leq t[i] \leq 1$が必ず成立するようにする．

Semantic segmentationでは複雑なloss functionを自分で書いて実装することになる・・・