pytorch常用函数：torch.nn.functional.binary_cross_entropy_with_logits

torch.nn.functional.binary_cross_entropy_with_logits

它的参数有：
input, target,weight,size_average,reduce,reduction,pos_weight,下面分别说一下每个参数的用法

input

input–任意形状的张量目标–与输入形状相同的张量

target

target:与输入形状相同的张量

weight

weight（Tensor，可选）–手动调整比例的权重（如果重复进行以匹配输入张量形状）

size_average

size_average（bool，可选）–已弃用（请参阅reduction）。默认情况下，损失是批次中每个损失元素的平均数。请注意，对于某些损失，每个样本有多个元素。如果该字段size_average 设置为False，则每个小批量的损失总和。当reduce为时被忽略False。默认：True

reduce

reduce（bool，可选）–不推荐使用（请参阅reduction）。默认情况下，根据，对每个小批量的损失进行平均或求和size_average。当reduce为is时False，则返回每批元素的损失，然后忽略size_average。默认：True

reduction

reduction（字符串，可选）–指定要应用于输出的减少量： ‘none’| ‘mean’| ‘sum’。‘none’：不应用缩减， ‘mean’：输出的总和除以输出中元素的数量，‘sum’：输出的总和。注意：size_average 和reduce正在弃用的过程中，同时，指定这两个args中的任何一个将覆盖reduction。默认：‘mean’

pos_weight

pos_weight（Tensor，可选）–正例的权重。必须是长度等于类数的向量。

例子

>>> input = torch.randn(3, requires_grad=True)
>>> target = torch.empty(3).random_(2)
>>> loss = F.binary_cross_entropy_with_logits(input, target)
>>> loss.backward()