torch.nn.functional.binary_cross_entropy

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

衡量目标和输入概率之间的二元交叉熵。

详见 BCELoss。

参数

• input (Tensor) – 任意形状的 Tensor，表示概率。

• target (Tensor) – 与 input 形状相同的 Tensor，其值在 0 到 1 之间。

• weight (Tensor, 可选) – 手动重缩放权重，如果提供，将重复以匹配 input Tensor 的形状。

• size_average (bool, 可选) – 已弃用（见 reduction）。默认情况下，损失值会按批次中的每个损失元素进行平均。请注意，对于某些损失函数，每个样本可能有多个元素。如果字段 size_average 设置为 False，则损失值将改为对每个 minibatch 求和。当 reduce 为 False 时忽略。默认值：True

• reduce (bool, 可选) – 已弃用（见 reduction）。默认情况下，损失值会根据 size_average 对每个 minibatch 的观察值进行平均或求和。当 reduce 为 False 时，将返回每个批次元素的损失值，并忽略 size_average。默认值：True

• reduction (str, 可选) – 指定应用于输出的归约方式：'none' | 'mean' | 'sum'。'none'：不应用归约；'mean'：输出的总和将除以输出中的元素数量；'sum'：输出将求和。注意：size_average 和 reduce 正在被弃用，在此期间，指定这两个参数中的任何一个都将覆盖 reduction。默认值：'mean'

返回类型

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()