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 подробностей.

Параметры

• input (Тензор) – Тензор произвольной формы в качестве вероятностей.
• target (Тензор) – Тензор той же формы, что и входной, со значениями от 0 до 1.
• weight (Тензор, необязательно) – дополнительный множитель для изменения весов, если задан, повторяется для соответствия форме входного тензора
• size_average (bool, необязательно) – Устарело (см. reduction). По умолчанию потери усредняются по каждому элементу потерь в пакете. Обратите внимание, что для некоторых потерь существует несколько элементов на образец. Если поле size_average установлено в False, потери вместо этого суммируются для каждого мини-пакета. Игнорируется, когда reduce равен False. Значение по умолчанию: True
• reduce (bool, необязательно) – Устарело (см. reduction). По умолчанию потери усредняются или суммируются по наблюдениям для каждого мини-пакета в зависимости от size_average. Когда reduce равен False, возвращает потери для каждого элемента пакета и игнорирует size_average. Значение по умолчанию: True
• reduction (str, необязательно) – Указывает, какое снижение применить к выводу: 'none' | 'mean' | 'sum'. 'none': никаких снижений не будет применено, 'mean': сумма вывода будет разделена на количество элементов в выводе, 'sum': вывод будет суммирован. Примечание: size_average и reduce находятся в процессе устаревания, и в то время как 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()