负对数似然损失函数python代码

负对数似然损失（Negative Log-Likelihood Loss，NLL Loss）是一种常用的评估分类模型性能的指标，特别是在机器学习中的概率估计算法中。在Python中，特别是在使用深度学习库如PyTorch时，计算NLL Loss的代码通常会涉及到模型的预测和真实标签的概率分布。

以下是一个简单的例子，展示如何在PyTorch中计算NLL Loss：

import torch
from torch import nn

# 假设我们有一个二分类模型 model，预测输出是一个概率分布（logits）
model = nn.Linear(10, 2)  # 假设输入是10维的，输出是2维，代表两个类别的概率
softmax = nn.Softmax(dim=1)  # 使用softmax函数转换为概率分布

# 假设我们有一些输入数据 x 和对应的标签 y
x = torch.randn(100, 10)
y = torch.randint(0, 2, size=(100,))  # 0或1的标签

# 预测的概率分布
logits = model(x)
probs = softmax(logits)

# 计算负对数似然损失
loss_fn = nn.NLLLoss()  # 创建NLLLoss对象
nll_loss = loss_fn(probs, y)

print("NLL Loss:", nll_loss.item())

在这个例子中，`nn.NLLLoss()`创建了一个损失函数对象，然后`loss_fn(probs, y)`计算了给定的概率分布`probs`和实际标签`y`之间的NLL Loss。