Przejdź do treści
Biblioteka skilli
AI i agenci · Budowanie i kod

pytorch-loss-implementation

/pytorch-loss-implementation

Implementuje własne funkcje straty w PyTorch z użyciem operacji na tensorach dla propagacji wstecznej.

Licencja
MIT
Ostatnia zmiana repozytorium
02.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 02.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Implementuje własne funkcje straty w PyTorch z użyciem operacji na tensorach dla propagacji wstecznej.

Oryginalny opis (EN)

How to implement custom loss functions in PyTorch. Use this skill whenever the user asks to implement a loss function, write a custom criterion, or mentions PyTorch tensor operations for backpropagation.

Jak działa

  1. Key Principles
  2. Example Pattern
Sekcje z nagłówków SKILL.md, w oryginale · 38 linii, 199 słów
Podgląd SKILL.md
---
name: pytorch-loss-implementation
description: How to implement custom loss functions in PyTorch. Use this skill whenever the user asks to implement a loss function, write a custom criterion, or mentions PyTorch tensor operations for backpropagation.
---

# PyTorch Loss Implementation

This skill provides guidelines for implementing custom loss functions in PyTorch. 

## Key Principles

1. **Use PyTorch Primitives:** Always use `torch.*` operations (e.g., `torch.log`, `torch.exp`, `torch.sum`, `F.log_softmax`) to ensure operations are differentiable and can be tracked by autograd.
2. **Numerical Stability:** Be careful with operations like log and exp. Use numerically stable functions like `F.log_softmax` instead of taking the log of a softmax, and `F.binary_cross_entropy_with_logits` instead of applying sigmoid then BCE.
3. **Handling Padding and Masks:** When working with NLP or sequence data, always apply attention masks or ignore_index appropriately to prevent padded tokens from contributing to the loss.
4. **Batch Reductions:** By default, loss functions should support different reduction methods ('mean', 'sum', 'none'). Be explicit about how reductions are applied across batch and sequence dimensions.

## Example Pattern

```python
import torch
import torch.nn.functional as F

def custom_loss(logits, targets, mask=None, reduction='mean'):
    # Apply operations
    loss = F.cross_entropy(logits, targets, reduction='none')
    
    # Apply mask if provided
    if mask is not None:
        loss = loss * mask
        if reduction == 'mean':
            return loss.sum() / mask.sum()
        elif reduction == 'sum':
            return loss.sum()
        return loss
        
    if reduction == 'mean':
        return loss.mean()
    elif reduction == 'sum':
        return loss.sum()
    return loss
```

Wersje

W bazie nie ma innych skilli o nazwie pytorch-loss-implementation.

Migawka bazy z 13.11.2026 · wersja paczki ca35ec215484 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 100pytorch-testing-logging
    Uruchamia testy jednostkowe PyTorch, zapisuje wyniki do plików NumPy i loguje informacje o środowisku i wersjach pakietów dla powtarzalności.
  • 100simpo-loss-implementation
    Implementuje funkcję straty SimPO dla modeli językowych dopasowanych do preferencji: cele treningowe, nagrody znormalizowane długością i przekład wzorów z artykułu na kod PyTorch.
  • 100pytorch-model-trainer
    Prawdopodobnie buduje i uruchamia trening modeli w PyTorch w ramach uczenia maszynowego.
  • 100pytorch-deep-learning-fundamentals
    Buduje i trenuje własne sieci neuronowe w PyTorch z tensorami, autogradem i modułami DataLoader.
  • 86pytorch
    Pomaga w pracy z PyTorch: trenowaniu sieci neuronowych, wnioskowaniu modeli, obliczeniach na GPU i wdrażaniu modeli AI.
  • 95docstring
    Pisze docstringi dla funkcji i metod PyTorch zgodnie z konwencjami PyTorch, także przy ich aktualizacji.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.