torch.nn.functional.binary_cross_entropy

torch.nn.functional.binary_cross_entropy(input, target, weight=None, size_average=None, reduce=None, reduction='mean') [source]

Функция, которая измеряет бинарную кросс-энтропию между целевыми и входными вероятностями.

См. BCELoss для получения подробной информации.

Параметры:

• input (Тензор) – Тензор произвольной формы в виде вероятностей.
• target (Тензор) – Тензор той же формы, что и входной, со значениями между 0 и 1.
• weight (Тензор, необязательно) – весовой множитель для ручной перекалибровки, если он предоставлен, он повторяется, чтобы соответствовать форме тензора входных данных
• size_average (bool, необязательно) – Устарело (см. reduction). По умолчанию потери усредняются по каждому элементу потерь в пачке. Обратите внимание, что для некоторых потерь может быть несколько элементов на образец. Если поле size_average установлено в False, потери вместо этого суммируются для каждой минипачки. Игнорируется, когда reduce равен False. Значение по умолчанию: True
• reduce (bool, необязательно) – Устарело (см. reduction). По умолчанию потери усредняются или суммируются по наблюдениям для каждой минипачки в зависимости от size_average. Когда reduce равен False, возвращается потеря на элемент пачки вместо этого и игнорируется size_average. Значение по умолчанию: True
• reduction (str, необязательно) – Указывает на применение уменьшения к выводу: 'none' | 'mean' | 'sum'. 'none': уменьшение не будет применено, 'mean': сумма вывода будет разделена на количество элементов в выводе, 'sum': вывод будет суммирован. Примечание: size_average и reduce в процессе устаревания, и в то время как это происходит, указание одного из этих двух аргументов переопределит reduction. Значение по умолчанию: 'mean'

Тип возвращаемого значения:

Тензор

Примеры:

>>> input = torch.randn(3, 2, requires_grad=True)
>>> target = torch.rand(3, 2, requires_grad=False)
>>> loss = F.binary_cross_entropy(torch.sigmoid(input), target)
>>> loss.backward()