【pytorch函数笔记（三）】torch.nn.BCELoss()

作者：从前慢现在也慢 | 2024-03-07 13:46:14

踩

torch.nn.bceloss()

import torch.nn as nn
nn.BCELoss((weight=None, size_average=None, reduce=None, reduction=‘mean’))
1
2

一、torch.nn.BCELoss()介绍
BCELoss()是计算目标值和预测值之间的二进制交叉熵损失函数。其公式如下:
$l_n=-w_n·[{y_n·logx_n}+{(1-y_n)·log(1-x_n)}]$
其中， $w_n$ 表示权重矩阵， $x_n$ 表示预测值矩阵（输入矩阵被激活函数处理后的结果）， $y_n$ 表示目标值矩阵。（注意， $l o g$ 以 $e$ 为底，即数学中的 $l n$ ）

二、torch.nn.BCELoss()应用
代码：

import torch
import torch.nn as nn
weights=torch.tensor([[1, 1,  0],
        [1,  1,  1],
        [1,  1, 1]])
m = nn.Sigmoid()
loss = nn.BCELoss(weight=weights,reduction='none')
input = torch.tensor([[-0.1514,  0.0744, -1.5716],
        [-0.3198, -1.2424, -1.4921],
        [ 0.5548,  0.8131,  1.0369]], requires_grad=True)
target = torch.tensor([[0., 1., 0.],
        [0., 1., 1.],
        [0., 0., 0.]])
output = loss(m(input), target)
print(m(input)) 	#被激活函数处理的输入矩阵
print(target)		#目标值矩阵
print(weights)		#权重矩阵
print(output)		#损失值矩阵
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

运行结果：

tensor([[0.4622, 0.5186, 0.1720],
        [0.4207, 0.2240, 0.1836],
        [0.6352, 0.6928, 0.7383]], grad_fn=<SigmoidBackward>)
tensor([[0., 1., 0.],
        [0., 1., 1.],
        [0., 0., 0.]])
tensor([[1, 1, 0],
        [1, 1, 1],
        [1, 1, 1]])
tensor([[0.6203, 0.6566, 0.0000],
        [0.5460, 1.4960, 1.6950],
        [1.0085, 1.1802, 1.3404]], grad_fn=<BinaryCrossEntropyBackward>)
1
2
3
4
5
6
7
8
9
10
11
12

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/从前慢现在也慢/article/detail/205950