binary_cross_entropy_with_logits的PyTorch实现

最新推荐文章于 2024-06-30 13:18:32 发布

我岂是非人哉

最新推荐文章于 2024-06-30 13:18:32 发布

阅读量6.7k

点赞数 8

分类专栏：机器学习文章标签：深度学习 python 神经网络算法

本文链接：https://blog.csdn.net/ben1010101010/article/details/105632721

版权

本文介绍了如何在PyTorch中实现binary_cross_entropy_with_logits函数，通过示例展示了其计算过程，并提供了相关代码。该函数用于处理二分类问题的交叉熵损失，通常在深度学习神经网络的训练中使用。

摘要由CSDN通过智能技术生成

参考链接

需要的包

import torch
import torch.nn as nn
import torch.nn.functional as F

模拟的输入x变量：4分类问题

batch_size, n_classes = 10, 4
x = torch.randn(batch_size, n_classes)
x.shape

x维度

torch.Size([10, 4])

运行：

x

Out:

tensor([[ 2.3611, -0.8813, -0.5006, -0.2178],
        [ 0.0419,  0.0763, -1.0457, -1.6692],
        [-1.0494,  0.8111,  1.5723,  1.2315],
        [ 1.3081,  0.6641,  1.1802, -0.2547],
        [ 0.5292,  0.7636,  0.3692, -0.8318],
        [ 0.5100,  0.9849, -1.2905,  0.2821],
        [ 1.4662,  0.4550,  0.9875,  0.3143],
        [-1.2121,  0.1262,  0.0598, -1.6363],
        [ 0.3214, -0.8689,