F.binary_cross_entropy_with_logits函数与F.binary_cross_entropy函数的关系（二分类问题）

假设 1个图像样本由神经网络处理后的输出是 size 10×4 的tensor，随机生成一个tensor，

使用Sigmoid对该tensor进行概率变换，tensor的每个数值的变换都是相互独立的，下面得出预测的概率分布，

我们在这里随机生成一个真值的概率分布y，

自己定义一下BCELoss，需要输入预测的概率分布和真值的概率分布，

手动计算一下，结果一致，

使用F.binary_cross_entropy 验证一下，同样需要输入预测的概率分布和真值的概率分布，

再使用F.binary_cross_entropy_with_logits验证一下，直接输入神经网络的输出和真值的概率分布，

BCELoss与BCEWithLogitsLoss的关联：BCEWithLogitsLoss = Sigmoid + BCELoss，

nn接口                                              Function接口

nn.BCELoss( )                                  F.binary_cross_entropy( )

nn.BCEWithLogitsLoss( )                 F.binary_cross_entropy_with_logits( )

Enjoy it!

热门相关：首席的独宠新娘   仗剑高歌   薄先生，情不由己   第一神算：纨绔大小姐   学霸女神超给力