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。

有关详细信息，请参见 BCELoss。

参数

• input (张量) – 作为概率的任意形状的张量。

• target (张量) – 与输入形状相同的张量，其值介于 0 到 1 之间。

• weight (张量, 可选) – 如果提供手动重新缩放权重，则将其重复以匹配输入张量形状

• size_average (布尔值, 可选) – 已弃用（请参见 reduction）。默认情况下，损失在批次中的每个损失元素上平均。请注意，对于某些损失，每个样本可能有多个元素。如果字段 size_average 设置为 False，则损失将改为针对每个小批量进行求和。在 reduce 为 False 时忽略。默认值：True

• reduce (布尔值, 可选) – 已弃用（请参见 reduction）。默认情况下，损失在每个小批量的观测值上平均或求和，具体取决于 size_average。当 reduce 为 False 时，将返回每个批次元素的损失，并忽略 size_average。默认值：True

• reduction (字符串, 可选) – 指定要应用于输出的约简：'none' | 'mean' | 'sum'。 'none'：不应用任何约简，'mean'：输出的总和将除以输出中的元素数量，'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会覆盖 reduction。默认值：'mean'

返回类型

张量

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()