BCELoss BCEWithLogitsLoss 多标签损失函数_bcewithlogitsloss小于0

作者：菜鸟追梦旅行 | 2024-05-17 08:27:11

踩

bcewithlogitsloss小于0

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给这些值都搞到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

在这里插入图片描述
emmm应该是我上面每次都保留4位小数，算到最后误差越来越大差了0.0001。不过也很厉害啦哈哈哈哈哈！
BCEWithLogitsLoss
BCEWithLogitsLoss就是把Sigmoid-BCELoss合成一步。我们直接用刚刚的input验证一下是不是0.7193：

20201230

对每一张图片每一条记录
1.每一行对应每个标签的概率
2.对每一行的每个标签求交叉熵损失
3.对每一行的3个标签的交叉熵损失求平均
4.对所有图片所有记录的平均交叉熵再求平均
总的编码信息长度

input 输入还需要通过sigmoid 处理只有 input输入值接近6 sigmoid 之后得到
1,再经过ln之后得到零这样loss 才会接近于零

https://blog.csdn.net/mr_health/article/details/108665421
tf.nn.sigmoid_cross_entropy_with_logits BCEloss
https://www.cnblogs.com/hellcat/p/7039482.html
https://blog.csdn.net/qq_35203425/article/details/79773459?utm_medium=distribute.pc_relevant.none-task-blog-searchFromBaidu-1.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-searchFromBaidu-1.control
tensorflow 对应这个
https://www.w3cschool.cn/tensorflow_python/tf_nn_sigmoid_cross_entropy_with_logits.html
https://www.cnblogs.com/smallredness/p/11199541.html

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/菜鸟追梦旅行/article/detail/582742