快捷方式

torch.nn.functional.binary_cross_entropy

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

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 reduceFalse 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_averagereduce 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()

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题解答

查看资源