1. 公式
L
o
s
s
=
y
_
t
r
u
e
×
−
l
o
g
(
s
i
g
m
o
i
d
(
y
_
p
r
e
d
)
)
+
(
1
−
y
_
t
r
u
e
)
×
−
l
o
g
(
1
−
s
i
g
m
o
i
d
(
y
_
p
r
e
d
)
)
Loss\ =\ y\_true\times-log(sigmoid(y\_pred))+(1-y\_true)\times-log(1-sigmoid(y\_pred))
Loss = y_true×−log(sigmoid(y_pred))+(1−y_true)×−log(1−sigmoid(y_pred)) （这是基于y_pred是logits的情况，如果已经经过了sigmoid就不需要再用sigmoid处理了）
如果有多个batch_size，取平均值
2.1 tensorflow里面的例子
2.2 numpy实现
Example 1: (batch_size = 1 , number of samples = 4)
Example 2: (batch_size = 2, number of samples = 4)
3. 结论
所以在用这个损失函数用于二分类（分类、语义分割）问题的时候，标签不用进行onehot，可以直接用
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
