led灯珠参数详解,电脑配置参数详解

定义

数学公式为Loss = -w * [p * log(q) + (1-p) * log(1-q)]，其中p、q分别为理论标签、实际预测值，w为权重。这里的log对应数学上的ln。

PyTorch对应函数为：
torch.nn.BCELoss(weight=None, size_average=None, reduce=None, reduction=‘mean’)
计算目标值和预测值之间的二进制交叉熵损失函数。

有四个可选参数：weight、size_average、reduce、reduction

(1) weight必须和target的shape一致，默认为none。定义BCELoss的时候指定即可。
(2) 默认情况下 nn.BCELoss()，reduce = True，size_average = True。
(3) 如果reduce为False，size_average不起作用，返回向量形式的loss。
(4) 如果reduce为True，size_average为True，返回loss的均值，即loss.mean()。
(5) 如果reduce为True，size_average为False，返回loss的和，即loss.sum()。
(6) 如果reduction = ‘none’，直接返回向量形式的 loss。
(7) 如果reduction = ‘sum’，返回loss之和。
(8) 如果reduction = ''elementwise_mean，返回loss的平均值。
(9) 如果reduction = ''mean，返回loss的平均值

用法实例

放在cs_loss中的参数一定要经过sigmoid激活

cs_loss = torch.nn.BCELoss() # 获取BCELoss的实例cs = ComputLoss() # Computloss模型最后一层为sigmoidprevalue= cs(z_fake_flat1) # sigmoid激活label= cs(z_fake_flat2) # sigmoid激活loss_z = cs_loss(prevalue, label) # 计算二元交叉熵