【GiantPandaCV导语】
因为最近跑VIT的实验，所以有用到timm的一些配置，在mixup的实现里面发现labelsmooth的实现是按照最基本的方法来的，与很多pytorch的实现略有不同，所以简单做了一个推导。
一、交叉熵损失(CrossEntropyLoss)
先简单讲一下交叉熵损失，也是我们做分类任务里面最常用的一种损失，公式如下：
这里的 x_{i} 表示的是模型输出的logits后经过softmax的结果，shape为 (N, M) ， y_{i} 表示的是对应的label，经常用onehot来表示，pytorch版本可以使用scalar表示，shape为 (N, ) ，这里 N
表示为batchsize， M 表示为向量长度。可以简单拆解为如下：
- log_softmax
这个很简单，就是做softmax后取对数，公式如下：
- NLLloss
这个玩意的全程叫做negative log-likelihood(负对数似然损失), 简单解释下: 假设需要求解一个分布 p_{real}(x) ,由于未知其表达式，所以先定义一个分布 p_{fake}(x;theta) ，通过 theta 来使得 p_{fake} 靠近 p_{real} 的分布。这里采用最大似然估计来进行求解， L=prod_{i}^np_{fake}(x_{i};theta) ，不断的更新参数 theta 使得 来自 p_{real} 的样本 [x_{1}, x_{2}, ... , x_{n}] 在 p_{fake} 中的概率越来越高。但是有个问题，连乘对于求导不友好，计算也过于复杂，所以可以对其取对数，有
最大化对数似然函数就等效于最小化负对数似然函数，所以加个负号，公式如下：
由于求loss的时候，采用的是onehot形式，除去当前类别为1其余都为0，所以有：
这个形式就和交叉熵形式一致，所以NLLLoss也叫CrossEntropyLoss。
二、LabelSmooth
由于Softmax会存在一个问题，就是Over Confidence，会使得模型对于弱项的照顾很少。LabelSmooth的作用就是为了降低Softmax所带来的的高Confidence的影响，让模型略微关注到低概率分布的权重。这样做也会有点影响，最终预测的时候，模型输出的置信度会稍微低一些，需要比较细致的阈值过滤。
img
假设 varepsilon=0.1 ，表示对标签进行平滑的数值，那么就有
这里 classes表示类别数量， target表示当前的类别，带有labelsmooth的CELoss就变成了：
相比原始的CELoss，LabelSmoothCELoss则是每一项都会参与到loss计算。
三、公式推导
代码语言：javascript复制# labelsmooth
import torch
import torch.nn as nn
import torch.nn.functional as F
class LabelSmoothingCrossEntropy(nn.Module):
"""
NLL loss with label smoothing.
"""
def __init__(self, smoothing=0.1):
"""
Constructor for the LabelSmoothing module.
:param smoothing: label smoothing factor
"""
super(LabelSmoothingCrossEntropy, self).__init__()
assert smoothing < 1.0
self.smoothing = smoothing
self.confidence = 1. - smoothing
def forward(self, x, target):
logprobs = F.log_softmax(x, dim=-1)
nll_loss = -logprobs.gather(dim=-1, index=target.unsqueeze(1))
nll_loss = nll_loss.squeeze(1)
smooth_loss = -logprobs.mean(dim=-1)
loss = self.confidence * nll_loss self.smoothing * smooth_loss
return loss.mean()
可以看到这个code的实现和公式有点出入，第一部分是self.confidence * nll_loss, 第二部分是self.smoothing * smooth_loss。我们将其展开为：
假设 k为target，那么对于onehot来说除了 x_k=1 以外均为0，所以有：
begin{align*} Loss &= -（1 -varepsilon）* log(p(x_k)) -frac{1}{n}(varepsilon*log(p(x_1)) ... varepsilon*log(p(x_k-1)) varepsilon*log(p(x_k 1)) ... varepsilon*log(p(x_n)) ) \ end{align*}\
进一步有组合 x_{k} 项：
begin{align*} Loss &= -（1 frac{varepsilon}{n} -varepsilon）* log(p(x_k)) -frac{1}{n}(varepsilon*log(p(x_1)) varepsilon*log(p(x_2)) ... varepsilon*log(p(x_n)) ) \ &= -（1 frac{varepsilon}{n} -varepsilon）* log(p(x_k)) -frac{varepsilon}{n}*(log(p(x_1)) ... log(p(x_{k-1})) log(p(x_k 1)) ... log(p(x_n)))\ &= -（1 frac{varepsilon}{n} -varepsilon）* log(p(x_k)) frac{varepsilon}{n} sum_{i=1, ine k}^n log(p(x_i)) end{align*}\
最后可以写成矩阵点乘的形式：
我们表示 left[ frac{varepsilon}{n}, ..., (1 - varepsilon frac{varepsilon}{n}）,..., frac{varepsilon}{n} right] 为LabelSmooth后的标签 y(x_{i}) ，和第二节中的设定对齐，所以得到的Loss就是原本的表达式：
与之对应的timm中的mixup部分的LabelSmoothCELoss代码如下：
代码语言：javascript复制def one_hot(x, num_classes, on_value=1., off_value=0., device='cuda'):
x = x.long().view(-1, 1)
return torch.full((x.size()[0], num_classes), off_value, device=device).scatter_(1, x, on_value)
def mixup_target(target, num_classes, lam=1., smoothing=0.0, device='cuda'):
off_value = smoothing / num_classes
on_value = 1. - smoothing off_value
y1 = one_hot(target, num_classes, on_value=on_value, off_value=off_value, device=device)
y2 = one_hot(target.flip(0), num_classes, on_value=on_value, off_value=off_value, device=device)
return y1 * lam y2 * (1. - lam)
四，总结
LabelSmooth可以用来标签平滑，从公示推导方面来讲，也可以充当正则的作用，尤其是针对难分类别的情况下，效果会表现更好一些。
