pytorch中自定义损失函数

在使用深度学习中，大家有各种各样的训练任务，torch.optim中存在的优化算法难免不能满足大家的需求，此时就需要自定义损失函数了，可参考如下过程：

import torch.nn as nn

class DiceLoss(nn.Module):
    def __init__(self):
        super(DiceLoss, self).__init__()
    
    def forward(self, input, target):        
        return -dice_coef(input, target) 


def dice_coef(input, target): 
    smooth = 1
    input_flat = input.view(-1)  # 拉平成一列，即第一维度是计算得来的
    target_flat = target.view(-1)
    intersection = input_flat * target_flat
    return (2 * intersection.sum() + smooth) / (input_flat.sum() + target_flat.sum() + smooth)

criterion = DiceLoss().cuda()   # 使用自己定义的损失函数