Pytorch常用损失函数nn.BCEloss（）；nn.BCEWithLogitsLos。。。

Pytorch 常⽤损失函数nn.BCEloss （）；nn.BCEWithLogitsLos 。。。损失函数nn.BCEloss()衡量输出与⽬标之间的⼆分类交叉熵

功能：⼆分类交叉熵，输⼊值取值在[0,1]

weight : 默认None，⽤于计算损失的⼿动尺度化的权重、张量

reduction ：默认mean , 指定⽤于输出的缩减⽅式，另可选：none、sum；none：不应⽤缩减，mean：输出的和除以输出内元素数；sum：输出加和

输⼊：input – 形状为，N为样本数量，*为任意其他维度

徐重阳输⼊：target – 形状，形状同input

输出：output – 标量（reduction若为none，则形状同input）nn.BCEWithLogitsLoss()此损失函数将 Sigmoid 层和 BCELoss 整合在⼀起⽐简单地将 Sigmoid 层加上 BCELoss 损失更稳定，因为使⽤了 log-sun-exp

技巧获得数值稳定性

weight =None,

reduction ='mean',

pos_weight =None

)

weight ：默认 None，⽤于计算损失的⼿动尺度化的权重，张量

reduction ：默认 ‘mean’，指定应⽤于输出的缩减⽅式，另可选 ‘none’，‘sum’；‘none’：不应⽤缩减；‘mean’：输出的和除以输出内元素数；‘sum’：输出加和

pos_weight ：默认 None，正例的权重，需为长度为类别数的向量；输⼊：input – 形状为，为样本数量，为任意其他维度输⼊：target – 形状，形状同input宏大自动络筒机了

输出：output – 标量（reduction若为none，则形状同input）

nn.CrossEntropyLoss

N ,∗()N ,∗()

nn.CrossEntropyLoss(

weight=None,

size_average=None,

ignore_index=-100,

reduce=None,

reduction=‘mean’

)

weight：各类别的loss设置权值

ignore_index：忽略某个类别

reduction ：计算模式，可为none/sum/mean，none- 逐个元素计算，sum- 所有元素求和，返回标量，mean- 加权平均，返回标量

nn.L1Loss

功能：计算inputs与target之差的绝对值

mzg振动给料机

nn.MSELoss

市舶司功能：计算inputs与target之差的平⽅

nn.KLDivLoss战略石油储备

功能：计算KLD（divergence），KL散度，相对熵

注意事项：需提前将输⼊计算 log-probabilities，如通过nn.logsoftmax()

allhd

本文发布于:2024-09-21 17:44:12，感谢您对本站的认可！

标签：输出计算损失功能权重元素需为

留言与评论（共有 0 条评论）