MindSpore的BCEloss算子的结果和pytorch的不一样！

问题描述：

图中fake_loss的结果和pytorch的结果不一样，相差非常之大。初步检查发现是对于边界情况下的截断处理不同，pytorch能够截断到100，而mindspore只截断到27.几.

上面这张图是在能正常训练的pytorch程序中，用mindspore的BCEloss去对比。下面那张图片是在无法正常训练的mindspore程序中，用pytorch的BCEloss去对比。发现mindspore算出来的loss是不一样的。。。

我应该如何设置才能让loss一样，或者能够让网络正常训练？？？

 

解答：

mindspore 的 BCELoss 的使用可以参考下面的代码：

weight = Tensor(np.array([[1.0, 2.0, 3.0], [4.0, 3.3, 2.2]]), mindspore.float32)

loss = nn.BCELoss(weight=weight, reduction='mean')

logits = Tensor(np.array([[0.1, 0.2, 0.3], [0.5, 0.7, 0.9]]), mindspore.float32)

labels = Tensor(np.array([[0, 1, 0], [0, 0, 1]]), mindspore.float32)

output = loss(logits, labels)print(output)

详细的解释可以参考下面的链接：mindspore.nn.BCELoss — MindSpore master documentation