torch.nn.functional.binary_cross_entropy

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

测量目标和输入概率之间的二元交叉熵。

详情请参见 BCELoss。

Parameters

• 输入 (张量) – 任意形状的概率张量。

• 目标 (张量) – 与输入形状相同的张量，其值在0到1之间。

• 权重 (张量, 可选) – 手动调整的权重 如果提供，它将被重复以匹配输入张量的形状

• size_average (布尔值, 可选) – 已弃用（参见 reduction）。默认情况下， 损失在批次中的每个损失元素上进行平均。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，则损失将改为对每个小批次进行求和。当 reduce 为 False 时忽略。默认值：True

• reduce (bool, 可选) – 已弃用（参见 reduction）。默认情况下，损失会根据 size_average 的设置在每个小批次中对观测值进行平均或求和。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reduction方式： 'none' | 'mean' | 'sum'。'none'：不进行reduction， '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，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'

Return type

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()