本文简要介绍python语言中 torch.nn.BCEWithLogitsLoss
的用法。
用法:
class torch.nn.BCEWithLogitsLoss(weight=None, size_average=None, reduce=None, reduction='mean', pos_weight=None)
weight(Tensor,可选的) -手动重新调整每个批次元素损失的权重。如果给定,则必须是大小为
nbatch
的张量。size_average(bool,可选的) -已弃用(请参阅
reduction
)。默认情况下,损失是批次中每个损失元素的平均值。请注意,对于某些损失,每个样本有多个元素。如果字段size_average
设置为False
,则会对每个小批量的损失求和。当reduce
为False
时忽略。默认值:True
reduce(bool,可选的) -已弃用(请参阅
reduction
)。默认情况下,根据size_average
对每个小批量的观察结果进行平均或求和。当reduce
是False
时,返回每个批次元素的损失并忽略size_average
。默认值:True
reduction(string,可选的) -指定要应用于输出的缩减:
'none'
|'mean'
|'sum'
。'none'
:不应用减少,'mean'
:输出的总和将除以输出中的元素数,'sum'
:输出将被求和。注意:size_average
和reduce
正在被弃用,同时,指定这两个参数中的任何一个都将覆盖reduction
。默认值:'mean'
pos_weight(Tensor,可选的) -大量的正面例子。必须是长度等于类数的向量。
这种损失将
Sigmoid
层和BCELoss
组合在一个类中。这个版本比使用简单的Sigmoid
后跟BCELoss
在数值上更稳定,因为通过将操作组合到一层,我们利用 log-sum-exp 技巧来实现数值稳定性。未减少的(即
reduction
设置为'none'
)损失可以说明为:其中
reduction
不是'none'
(默认'mean'
),那么 是批量大小。如果这用于测量例如auto-encoder 中的重建误差。请注意,目标
t[i]
应该是 0 到 1 之间的数字。可以通过向正例添加权重来权衡召回率和精度。在多标签分类的情况下,损失可以说明为:
其中 是类号( 用于多标签二分类, 用于single-label二分类), 是批次中的样本数, 是权重 类的肯定答案。
提高召回率, 提高精度。
例如,如果数据集包含单个类的 100 个正样本和 300 个负样本,则该类的
pos_weight
应该等于 。损失将表现为数据集包含 正例。例子:
>>> target = torch.ones([10, 64], dtype=torch.float32) # 64 classes, batch size = 10 >>> output = torch.full([10, 64], 1.5) # A prediction (logit) >>> pos_weight = torch.ones([64]) # All weights are equal to 1 >>> criterion = torch.nn.BCEWithLogitsLoss(pos_weight=pos_weight) >>> criterion(output, target) # -log(sigmoid(1.5)) tensor(0.2014)
- 形状:
输入: ,其中 表示任意数量的维度。
目标: ,与输入的形状相同。
输出:标量。如果
reduction
是'none'
,那么 ,与输入的形状相同。
例子:
>>> loss = nn.BCEWithLogitsLoss() >>> input = torch.randn(3, requires_grad=True) >>> target = torch.empty(3).random_(2) >>> output = loss(input, target) >>> output.backward()
参数:
相关用法
- Python PyTorch BCELoss用法及代码示例
- Python PyTorch Bernoulli用法及代码示例
- Python PyTorch Binomial用法及代码示例
- Python PyTorch BucketBatcher用法及代码示例
- Python PyTorch BatchSampler用法及代码示例
- Python PyTorch BatchNorm1d用法及代码示例
- Python PyTorch Bilinear用法及代码示例
- Python PyTorch BatchNorm3d用法及代码示例
- Python PyTorch Batcher用法及代码示例
- Python PyTorch Beta用法及代码示例
- Python PyTorch BatchNorm2d用法及代码示例
- Python PyTorch frexp用法及代码示例
- Python PyTorch jvp用法及代码示例
- Python PyTorch cholesky用法及代码示例
- Python PyTorch vdot用法及代码示例
- Python PyTorch ELU用法及代码示例
- Python PyTorch ScaledDotProduct.__init__用法及代码示例
- Python PyTorch gumbel_softmax用法及代码示例
- Python PyTorch get_tokenizer用法及代码示例
- Python PyTorch saved_tensors_hooks用法及代码示例
- Python PyTorch positive用法及代码示例
- Python PyTorch renorm用法及代码示例
- Python PyTorch AvgPool2d用法及代码示例
- Python PyTorch MaxUnpool3d用法及代码示例
- Python PyTorch Tensor.unflatten用法及代码示例
注:本文由纯净天空筛选整理自pytorch.org大神的英文原创作品 torch.nn.BCEWithLogitsLoss。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。