torch.nn.functional.binary_cross_entropy_with_logits

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

Функция, которая измеряет бинарную кросс-энтропию между целевым значением и входными логами.

См. BCEWithLogitsLoss для получения подробностей.

Параметры

• input (Тензор) – Тензор произвольной формы в виде ненормализованных оценок (часто называемых логами).
• target (Тензор) – Тензор той же формы, что и входной, со значениями от 0 до 1
• weight (Тензор, необязательно) – ручной коэффициент масштабирования, если он предоставлен, повторяется для соответствия форме тензора входных данных
• size_average (bool, необязательно) – Устарело (см. reduction). По умолчанию потери усредняются по каждому элементу потерь в пакете. Обратите внимание, что для некоторых потерь может быть несколько элементов на образец. Если поле size_average установлено в False, потери вместо этого суммируются для каждого мини-пакета. Игнорируется, когда reduce равно 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 равно False, возвращает потерю на элемент пакета вместо этого и игнорирует size_average. Значение по умолчанию: True
• reduction (str, необязательно) – Указывает на применение сокращения к выходным данным: 'none' | 'mean' | 'sum'. 'none': сокращение не будет применено, 'mean': сумма выходных данных будет разделена на количество элементов в выходных данных, 'sum': выходные данные будут суммированы. Примечание: size_average и reduce находятся в процессе устаревания, и в то же время указание любого из этих двух аргументов переопределит reduction. Значение по умолчанию: 'mean'
• pos_weight (Тензор, необязательно) – вес положительных примеров для трансляции с целевым значением. Должен быть тензором с размерами, равными размеру измерения класса, количеству классов. Внимательно относитесь к правилам трансляции PyTorch, чтобы достичь желаемых операций. Для целевого значения размера [B, C, H, W] (где B — размер пакета) pos_weight размера [B, C, H, W] будет применять разные pos_weights к каждому элементу пакета или [C, H, W] одинаковые pos_weights для всего пакета. Для применения одного и того же положительного веса по всем пространственным измерениям для 2D целевого значения многоклассовой задачи [C, H, W] используйте: [C, 1, 1]. Значение по умолчанию: None

Тип возвращаемого значения

Тензор

Примеры:

>>> input = torch.randn(3, requires_grad=True)
>>> target = torch.empty(3).random_(2)
>>> loss = F.binary_cross_entropy_with_logits(input, target)
>>> loss.backward()