BCE loss & SCE loss

Binary Cross-Entropy Loss 二元交叉熵损失

用于二分类问题，其中每个样本只能被分为两个类别。

适用于输出是概率值（范围在0到1之间）的情况，通常用于最后一层使用sigmoid激活函数的模型。

 N样本数量，yi是gt，pi是模型预测概率。

 Sparse Categorical Cross-Entropy Loss 稀疏分类交叉熵损失

 用于多分类问题，其中每个样本可以被分为多个类别。

适用于输出是类别的索引的情况，通常用于最后一层使用softmax激活函数的模型。

 

  N样本数量，C类别数量，zij是模型对样本i预测为类别j的得分，yi是label_cls。