torch.nn.functional.binary_cross_entropy

torch.nn.functional.binary_cross_entropy(input, target, weight=None, size_average=None, reduce=None, reduction='mean')

衡量目標和輸入機率之間的二元交叉熵。

詳見 BCELoss。

引數

• input (Tensor) – 任意形狀的 Tensor，表示機率。

• target (Tensor) – 與 input 形狀相同的 Tensor，其值在 0 到 1 之間。

• weight (Tensor, 可選) – 手動重縮放權重，如果提供，將重複以匹配 input Tensor 的形狀。

• size_average (bool, 可選) – 已棄用（見 reduction）。預設情況下，損失值會按批次中的每個損失元素進行平均。請注意，對於某些損失函式，每個樣本可能有多個元素。如果欄位 size_average 設定為 False，則損失值將改為對每個 minibatch 求和。當 reduce 為 False 時忽略。預設值：True

• reduce (bool, 可選) – 已棄用（見 reduction）。預設情況下，損失值會根據 size_average 對每個 minibatch 的觀察值進行平均或求和。當 reduce 為 False 時，將返回每個批次元素的損失值，並忽略 size_average。預設值：True

• reduction (str, 可選) – 指定應用於輸出的歸約方式：'none' | 'mean' | 'sum'。'none'：不應用歸約；'mean'：輸出的總和將除以輸出中的元素數量；'sum'：輸出將求和。注意：size_average 和 reduce 正在被棄用，在此期間，指定這兩個引數中的任何一個都將覆蓋 reduction。預設值：'mean'

返回型別

Tensor

示例

>>> input = torch.randn(3, 2, requires_grad=True)
>>> target = torch.rand(3, 2, requires_grad=False)
>>> loss = F.binary_cross_entropy(torch.sigmoid(input), target)
>>> loss.backward()