torch.nn.BCEWithLogitsLoss与torch.nn.BCELoss

7月前作者：chen_zn95 分类：Toy博客阅读(29) 违法举报

这篇具有很好参考价值的文章主要介绍了torch.nn.BCEWithLogitsLoss与torch.nn.BCELoss。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

torch.nn.BCEWithLogitsLoss相当于sigmoid+torch.nn.BCELoss。代码示例如下，文章来源地址https://www.toymoban.com/news/detail-574398.html

import torch
import torch.nn as nn


BCEWithLogitsLoss = nn.BCEWithLogitsLoss()
BCELoss = nn.BCELoss()

x = torch.randn((1,))
y = torch.FloatTensor([1])

Loss_BCEWithLogits = BCEWithLogitsLoss(x, y)
Loss_BCE = BCELoss(torch.sigmoid(x), y)

print("BCEWithLogitsLoss:", Loss_BCEWithLogits)
print("BCELoss:", Loss_BCE)


"""
BCEWithLogitsLoss: tensor(0.2138)
BCELoss: tensor(0.2138)
"""

到了这里，关于torch.nn.BCEWithLogitsLoss与torch.nn.BCELoss的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：

领支付宝红包赞助服务器费用

小知识点系列(十一) 本文(2万字) | BCELoss | BCEWithLogitsLoss | CrossEntropyLoss | Smooth L1 Loss | NLLLOSS |

点击进入专栏：《人工智能专栏》 Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程官网 torch.nn - PyTorch中文文档 (pytorch-cn.readthedocs.io)

2024年01月21日
浏览(32)
聊聊关于分类和分割的损失函数：nn.CrossEntropyLoss()

目录 1. nn.CrossEntropyLoss() 2. 多分类中 nn.CrossEntropyLoss() 的应用 3. 分割中 nn.CrossEntropyLoss() 的应用 3.1 测试文件 3.2 输出可视化 3.3 softmax 3.4 log 3.5 CrossEntropyLoss 分类中，经常用 nn.CrossEntropyLoss() 交叉熵损失函数 y 为真实值、 y(hat) 为预测值这种采用了 one-hot 编码的形式，多

2024年02月03日
浏览(24)
PyTorch中的torch.nn.Linear函数解析

torch.nn是包含了构筑神经网络结构基本元素的包，在这个包中，可以找到任意的神经网络层。这些神经网络层都是nn.Module这个大类的子类。torch.nn.Linear就是神经网络中的线性层，可以实现形如y=Xweight^T+b的加和功能。 nn.Linear()：用于设置网络中的全连接层，需要注意的是全连接

2024年02月16日
浏览(30)
深入浅出Pytorch函数——torch.softmax/torch.nn.functional.softmax

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 机器学习中的数学——激活函数：Softmax函数 · 深入浅出Pytorch函数——torch.softmax/torch.nn.functional.softmax · 深入浅出Pytorch函数——torch.nn.Softmax 将Softmax函数应用于沿 dim 的所有切片，并将重新缩放它们，使元素位于 [ 0 ,

2024年02月15日
浏览(46)
深入浅出Pytorch函数——torch.nn.Module

分类目录：《深入浅出Pytorch函数》总目录 Pytorch中所有网络的基类，我们的模型也应该继承这个类。 Modules 也可以包含其它 Modules ,允许使用树结构嵌入他们，我们还可以将子模块赋值给模型属性。语法方法 torch.nn.Module.apply 实例通过上面方式赋值的 submodule 会被注册，当调

2024年02月12日
浏览(45)
深入浅出Pytorch函数——torch.nn.Linear

分类目录：《深入浅出Pytorch函数》总目录对输入数据做线性变换 y = x A T + b y=xA^T+b y = x A T + b 语法参数 in_features ：[ int ] 每个输入样本的大小 out_features ：[ int ] 每个输出样本的大小 bias ：[ bool ] 若设置为 False ，则该层不会学习偏置项目，默认值为 True 变量形状输入变量：

2024年02月12日
浏览(28)
深入浅出Pytorch函数——torch.nn.Softmax

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 机器学习中的数学——激活函数：Softmax函数 · 深入浅出Pytorch函数——torch.softmax/torch.nn.functional.softmax · 深入浅出Pytorch函数——torch.nn.Softmax 将Softmax函数应用于 n n n 维输入张量，重新缩放它们，使得 n n n 维输出张量的

2024年02月15日
浏览(37)
pytorch——损失函数之nn.L1Loss()和nn.SmoothL1Loss()

今天讨论下：对称损失函数：symmetric regression function such as L1 or L2 norm，注意说说L1 1.1 数学定义平均绝对误差（MAE）是一种用于回归模型的损失函数。MAE 是目标变量和预测变量之间绝对差值之和，因此它衡量的是一组预测值中的平均误差大小，而不考虑它们的方向，范围为

2024年02月04日
浏览(35)
【pytorch损失函数（3）】nn.L1Loss()和nn.SmoothL1Loss()

今天讨论下：对称损失函数：symmetric regression function such as L1 or L2 norm，注意说说L1 1.1 数学定义平均绝对误差（MAE）是一种用于回归模型的损失函数。MAE 是目标变量和预测变量之间绝对差值之和，因此它衡量的是一组预测值中的平均误差大小，而不考虑它们的方向，范围为

2024年02月06日
浏览(42)
深入浅出Pytorch函数——torch.nn.init.normal_

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.nn.init.calculate_gain · 深入浅出Pytorch函数——torch.nn.init.uniform_ · 深入浅出Pytorch函数——torch.nn.init.normal_ · 深入浅出Pytorch函数——torch.nn.init.constant_ · 深入浅出Pytorch函数——torch.nn.init.ones_ ·

2024年02月12日
浏览(35)