torch.nn.functional.binary_cross_entropy

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

测量目标与输入概率之间的二元交叉熵。

详细内容请见 BCELoss 。

参数:

• 输入（张量）- 形状任意的张量，表示概率。

• 目标（张量）- 形状与输入相同的张量，值介于 0 和 1 之间。

• 权重（张量，可选）- 如果提供，则重复以匹配输入张量形状的手动缩放权重。

• size_average（布尔值，可选）- 已弃用（参见 reduction ）。默认情况下，损失在批次的每个损失元素上平均。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 ，则损失将改为每个小批量求和。当 reduce 为 False 时忽略。默认值： True

• reduce（布尔值，可选）- 已弃用（参见 reduction ）。默认情况下，损失会在每个 minibatch 的观测上平均或求和，具体取决于 size_average 。当 reduce 为 False 时，将返回每个批次的损失，并忽略 size_average 。默认： True

• reduction（字符串，可选）- 指定应用于输出的缩减方式： 'none' | 'mean' | 'sum' 。 'none' ：不应用缩减， 'mean' ：输出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，指定这两个参数之一将覆盖 reduction 。默认： '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()