pytorch二分类损失函数BCEWithLogitsLoss

sakumashirayuki

于 2020-05-01 16:48:24 发布

阅读量3.1k

点赞数

分类专栏： pytorch 语义分割文章标签：深度学习 python

本文链接：https://blog.youkuaiyun.com/sakumashirayuki/article/details/105879279

版权

本文介绍了PyTorch中用于二分类的BCEWithLogitsLoss损失函数，讨论了为什么在网络最后不使用sigmoid+BCELoss，而直接使用BCEWithLogitsLoss的原因，包括它如何简化网络结构并统一处理二分类问题。同时提醒在使用BCELoss时输入值应处于[0,1]区间以避免错误。" 124410033,13208647,C语言实现：计算cosx的近似值,"['C语言', '编程实践', '数学运算']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一个正确的语义分割二分类损失函数的计算应该是如下这样的

criterion = nn.BCEWithLogitsLoss(weight=None)
masks_pred = net(imgs)
loss = criterion(masks_pred, true_masks) #使用二分类交叉熵
epoch_loss += loss.item()

先前在网络最后输出时使用sigmoid，然后使用BCELoss，也是正确的ÿ

最低0.47元/天解锁文章