您好,登錄后才能下訂單哦!
這篇文章主要介紹了nn.BCELoss與nn.CrossEntropyLoss有哪些區(qū)別,具有一定借鑒價值,感興趣的朋友可以參考下,希望大家閱讀完這篇文章之后大有收獲,下面讓小編帶著大家一起了解一下。
BCELoss與CrossEntropyLoss都是用于分類問題??梢灾溃珺CELoss是Binary CrossEntropyLoss的縮寫,BCELoss CrossEntropyLoss的一個特例,只用于二分類問題,而CrossEntropyLoss可以用于二分類,也可以用于多分類。
不過我重新查閱了一下資料,發(fā)現(xiàn)同樣是處理二分類問題,BCELoss與CrossEntropyLoss是不同的。下面我詳細(xì)講一下哪里不同。
1、使用nn.BCELoss需要在該層前面加上Sigmoid函數(shù)。
公式如下:
2、使用nn.CrossEntropyLoss會自動加上Sofrmax層。
公式如下:
可以看出,這兩個計算損失的函數(shù)使用的激活函數(shù)不同,故而最后的計算公式不同。
補(bǔ)充拓展:pytorch的BCELoss和cross entropy
BCELoss:
torch.nn.BCELoss:
Input: (N, *)(N,?) where *? means, any number of additional dimensions Target: (N, *)(N,?), same shape as the input Output: scalar. If reduction is 'none', then (N, *)(N,?), same shape as input.
這里的輸入和target 目標(biāo)必須形狀一致,并且都是浮點數(shù),二分類中一般用sigmoid的把輸出挑出一個數(shù):
>>> m = nn.Sigmoid() >>> loss = nn.BCELoss() >>> input = torch.randn(3, requires_grad=True) >>> target = torch.empty(3).random_(2) >>> output = loss(m(input), target) >>> output.backward()
CrossEntropyLoss:
input(N,C) #n 是batch c是類別 target(N)
輸入和target 形狀是不同的crossEntropy 是自己會做softmax
>>> loss = nn.CrossEntropyLoss() >>> input = torch.randn(3, 5, requires_grad=True) >>> target = torch.empty(3, dtype=torch.long).random_(5) >>> output = loss(input, target) >>> output.backward()
感謝你能夠認(rèn)真閱讀完這篇文章,希望小編分享的“nn.BCELoss與nn.CrossEntropyLoss有哪些區(qū)別”這篇文章對大家有幫助,同時也希望大家多多支持億速云,關(guān)注億速云行業(yè)資訊頻道,更多相關(guān)知識等著你來學(xué)習(xí)!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。