当前位置:   article > 正文

BCELoss和BCEWithLogitsLoss用法_二分类问题bceloss大于1

二分类问题bceloss大于1

他们都用于多类别多分类

BCELoss

在图片多标签分类时,如果3张图片分3类,会输出一个3*3的矩阵。

在这里插入图片描述

先用Sigmoid给这些值都处理到0~1之间:

在这里插入图片描述

假设Target是:

在这里插入图片描述


下面用BCELoss来验证一下Loss是不是0.7194!

在这里插入图片描述

emmm应该是上面每次都保留4位小数,算到最后误差越来越大差了0.0001。

BCEWithLogitsLoss

BCEWithLogitsLoss就是把Sigmoid-BCELoss合成一步。直接用刚刚的input验证一下是不是0.7193:

在这里插入图片描述

区别:BCELoss传入的值要进行Sigmoid操作,而BCEWithLogitsLoss内部封装了Sigmoid操作,不需进行单独的Sigmoid操作。他们都可以用于多类别多分类

 

 

 

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/我家小花儿/article/detail/391949
推荐阅读
相关标签
  

闽ICP备14008679号