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]

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 reduceFalse 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_averagereduce 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()

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

查找开发资源并解答您的问题

查看资源