torch.nn.functional.binary_cross_entropy

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

测量目标概率和输入概率之间的二元交叉熵。

有关详细信息，请参阅 BCELoss。

参数

• input (Tensor) – 任意形状的张量，作为概率。

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

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

• size_average (bool, 可选) – 已弃用（请参阅 reduction）。默认情况下，损失在批次中每个损失元素上取平均值。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，则损失将改为为每个小批量求和。当 reduce 为 False 时忽略。默认值：True

• reduce (bool, 可选) – 已弃用（请参阅 reduction）。默认情况下，损失在每个小批量的观测值上取平均值或求和，具体取决于 size_average。当 reduce 为 False 时，返回每个批次元素的损失，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元素的数量；'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()