ニューラルネットワークは、2つのバイナリ変数

Question

を予測、私は一般的なニューラルネットワークアーキテクチャを持つようにしたいとします

     ---> BinaryOutput_A 
        /
Input --> nnLayer - 
        \ 
        ---> BinaryOutput_B 

入力は、2つのバイナリ変数（すなわち、Aを予測することになり、ニューラルネットワーク層を介して置かれています。

class NN(nn.Module): 

    def __init__(self, inputs):   
     super(NN, self).__init__() 

     # -- first layer 
     self.lin = nn.Linear(inputs,10)   

     # -- firstLayer --> binaryOutputA 
     self.l2a = nn.Linear(10,2) 

     # -- firstLayer --> binaryOutputB 
     self.l2b = nn.Linear(10,2) 

    def forward(self, inputs): 
     o = self.lin(inputs) 
     o1 = F.log_softmax(self.l2a(o)) 
     o2 = F.log_softmax(self.l2b(o))   
     return o1, o2 

： [0 or 1]と Bが [0 or 1]であるpytorchで

、あなたがそのようなネットワークを作ることができます

私のtrainの機能では、私はloss = loss_function(output, target)で損失を計算します。その場合、l2aとl2bレイヤーの損失を適切にバックプレゼンテーションするには、loss.backward()をconcattargetl2aとl2bの適切なラベルで簡単に指定できますか？その意味では、出力は[outputPredictionA, outputPredictionB]で、ターゲットを[labelA, labelB]にすることができます.poltorchは各レイヤーに損失を適切に割り当てることを知っていますか？

Answer 1

それはトーチが実際に本当にスマートであることが判明し、あなただけのように、総損失を計算することができます。

loss = 0 
loss += loss_function(pred_A, label_A) 
loss += loss_function(pred_B, label_B) 

loss.backward() 

とエラーが適切にネットワークを介して、逆伝播されます。いいえ、torch.cat()が必要です。