了解分类问题BCELoss与CrossEntropyLoss的最后一层输出
：
BCELoss（Binary Cross Entropy Loss）和CrossEntropyLoss（交叉熵损失）是常用于分类问题的损失函数。它们的最后一层输出有一些区别。
- BCELoss的最后一层输出： BCELoss适用于二分类问题，最后一层输出通常使用Sigmoid函数将输出值映射到0到1之间的概率。Sigmoid函数将输出解释为样本属于正类的概率。对于每个样本，BCELoss计算真实标签与预测概率之间的二进制交叉熵损失。最后一层输出的维度为1，表示样本属于正类的概率。
推荐的腾讯云相关产品和产品介绍链接地址： 腾讯云提供了多种云计算产品，包括云服务器、云数据库、云存储等。对于分类问题的BCELoss，可以使用腾讯云的人工智能服务，如腾讯云AI平台（https://cloud.tencent.com/product/ai）或腾讯云机器学习平台（https://cloud.tencent.com/product/ml）来构建和部署模型。
- CrossEntropyLoss的最后一层输出： CrossEntropyLoss适用于多分类问题，最后一层输出通常使用Softmax函数将输出值转化为每个类别的概率分布。Softmax函数将输出解释为样本属于每个类别的概率。对于每个样本，CrossEntropyLoss计算真实标签与预测概率分布之间的交叉熵损失。最后一层输出的维度为类别数，表示每个类别的概率。
推荐的腾讯云相关产品和产品介绍链接地址： 对于多分类问题的CrossEntropyLoss，可以使用腾讯云的人工智能服务，如腾讯云AI平台（https://cloud.tencent.com/product/ai）或腾讯云机器学习平台（https://cloud.tencent.com/product/ml）来构建和部署模型。
总结： BCELoss适用于二分类问题，最后一层输出使用Sigmoid函数，表示样本属于正类的概率。CrossEntropyLoss适用于多分类问题，最后一层输出使用Softmax函数，表示样本属于每个类别的概率。腾讯云提供了多种人工智能服务，如腾讯云AI平台和腾讯云机器学习平台，可以用于构建和部署模型。
相关·内容
1回答
我在做一个二值图像分类器。我只是使用一个预先训练的模型来启动和更改最后一个完全连接的层来预测2个类之间，我被告知需要最后一层是特征的数量，然后是类的数量。([0, 0, 0, 0, 0, 0])Using a target size (torch.Size([6])) that is different to然而，对于CrossEntropyLoss来说，这工作得很好。ou
浏览 76提问于2021-03-12得票数 0
3回答
ResNet族分类层激活函数
python、pytorch、resnet
我使用的ResNet18预训练模型，将用于一个简单的二值图像分类任务。但是，包括PyTorch本身在内的所有教程都使用nn.Linear(num_of_features, classes)作为最终的完全连接层。我不明白的是，该模块的激活函数在哪里？
浏览 7提问于2021-02-16得票数 1
回答已采纳
1回答
当使用交叉熵函数进行二值分类时，模型输出标量和二维向量之间存在较大差距
python、deep-learning
当我使用u-net进行两个类别的语义分割时，我在模型最后一层的输出分别设置为1个通道和2个通道。然后使用交叉熵损失来度量: BCEloss和CrossEntropyLoss。但两者之间的差距很大。前者的性能是正常的，但后者的准确率很低，召回率很高。我用了pytorch。
浏览 26提问于2020-04-09得票数 0
回答已采纳
3回答
如何利用火炬中的交叉熵损失进行二值预测？
pytorch
在火炬文档中，交叉熵损失是这样说的：这是否意味着对于二进制(0,1)预测，输入必须转换为(N,2)张量，其中第二维等于(1-p)？因此，例如，如果我预测一个类的目标1 (true)为0.75，是否需要将两个值(0.75；0.25)叠加在一起作为输入？
浏览 0提问于2018-08-18得票数 3
1回答
在Pytorch上使用sigmoid输出进行交叉熵损失
python、pytorch、loss-function、cross-entropy
我正在尝试修改Yolo v1来处理我的任务，每个对象只有一个类。(例如: obj不能同时是猫和狗)
由于架构的原因(其他输出，如本地化预测，必须使用回归)，因此sigmoid被应用于模型的最后输出(f.sigmoid(nearly_last_output))。对于分类，yolo 1也使用MSE作为损失。但据我所知，MSE有时并不像我想要的那样，与交叉熵相比进行得很好。具体如下: GT：0 0 0 0 1 (假设我们总共只有5个类，每个
浏览 0提问于2020-09-16得票数 2
1回答
UNet的目标应该是什么样子
machine-learning、neural-network、computer-vision、pytorch、conv-neural-network
我从头开始实现了用于医学图像分割的UNet。测试数据一切正常，其中6个类的目标保存在6个通道上，因此遮罩形状为(H,W,6)和target.min(), target.max(): 0.0, 1.0pred = torch.sigmoid(pred)现在我跳到了上可用的不同数据。所以它基本上是有6个类的(H,
浏览 1提问于2021-05-16得票数 1
2回答
为什么损失减少，准确度没有增加？PyTorch
python、machine-learning、deep-learning、pytorch、conv-neural-network
我在毕道尔创建一个CNN，我想我的训练功能有一些问题。Epoch: 1Epoch: 2%50.0correct: 234, N_test: 468 ------> loss: 32.23730827, accuracy_val: %50.0
我知道，虽然它们是相关的，
浏览 4提问于2021-12-20得票数 0
回答已采纳
1回答
训练集分布与激活函数/损失函数相关性
machine-learning、loss-function、probability、activation-function
训练集的概率分布如何影响激活函数/损失函数的选择？
训练集的概率分布与激活函数/损失函数的选择之间不存在这种相关性。
浏览 0提问于2021-05-18得票数 1
回答已采纳
1回答
神经网络二值分类软件logsofmax和损失函数
pytorch、binary-classification、softmax、cross-entropy
我正在构建一个二进制分类，其中我想要预测的类只出现在<2%的时间。我用的是火把我的问题
我应该使用softmax，因为它将提供总结为1的输出，cross\_entropy = nn.CrossEntropyLoss
浏览 0提问于2022-03-03得票数 0
回答已采纳
1回答
当我使用torch.nn.CrossEntropyLoss时，我必须在def forward中添加softmax吗？
python、pytorch、softmax
https://pytorch.org/docs/stable/generated/torch.nn.CrossEntropyLoss.html 当我阅读上面的内容时，我了解到torch.nn.CrossEntropy已经计算了最后一层的exp分数。然而，我很困惑，因为我已经看到了几个使用这两种方法的ConvNet分类器的实现(它们在使用或不使用softmax的情况下返回，而
浏览 190提问于2020-10-25得票数 2
2回答
非平衡数据集的加权交叉熵-多类分类
deep-learning、multiclass-classification、class-imbalance
我正在尝试将图像分类到超过100个类别，不同大小的范围从300到4000 (平均大小1500与std 600)。我使用的是一个相当标准的CNN，其中最后一层输出一个类的长度的向量，并使用py手电的丢失函数CrossEntropyLoss。我还考虑过复制图像，这样所有类最终都会与大型类的大小相同。
有什么标准的方法来处理这种不平衡吗？
浏览 0提问于2018-05-15得票数 10
1回答
使用LSTM有状态传递上下文b/w批，可能是上下文传递中的一些错误，不是很好的结果？
pytorch、loss-function、imbalanced-data、lstm-stateful
数据是正确的。我有基于不平衡数据集的多类分类问题。Dataset_type: CSV基于传感器的CSV数据培训：
# Us
浏览 2提问于2020-05-22得票数 1
回答已采纳
1回答
PyTorch:使用BCELoss处理多标签、二进制分类问题
python、pytorch
我目前正在研究一个PyTorch模型，它应该解决一个多标签、二进制分类问题。这里，y是tensor([[0, 0]]) (两个标签为整数)，但输出是tensor([[0.5332, 0.3933]], grad_fn=<SigmoidBackward这将导致错误：
{RuntimeError}标量类型浮动的</
浏览 13提问于2022-01-04得票数 0
1回答
在ResNet输出中使用BCE损失的适当方法是什么？
pytorch
标题解释了整个问题，但作了一些阐述：>>> new_output = torch.argmax(output, dim=1)
这给出了适当的形状，但是运行loss = nn.<
浏览 9提问于2020-06-13得票数 0
回答已采纳
1回答
PyTorch - BCELoss: ValueError:目标和输入必须有相同数量的元素
machine-learning、conv-neural-network、pytorch、mnist、torchvision
当我使用BCELoss作为神经网络的损失函数时，得到ValueError: Target and input must have the same number of elements。下面是我的测试阶段代码(这是一个非常典型的测试阶段代码)：test_loss = 0with torch.no_grad(): correct += (predicted == t
浏览 1提问于2019-06-30得票数 1
回答已采纳
我创建了一个分类模型(2个类)，我可以使用损失函数来训练它:没有错误的CrossEntropyLoss。当我将丢失函数更改为BCELoss (这似乎更正确，因为我只有两个类)时，我会得到错误：我的模特看起来：
==================================================--
浏览 0提问于2021-11-19得票数 0
1回答
带喷炬的损耗函数
deep-learning、neural-network、pytorch
我是第一次接触pytorch，当我看到有关MNIST数据集的教程时，目标是标量(从0到9之间的数字)，而模型的输出是向量(最后一层的代码是nn.Linear(32,10))，它们用(loss=nn.CrossEntropyLoss()损耗=损失(输出，目标))计算损失，它们与向量比较数字吗？
浏览 10提问于2021-12-11得票数 0
回答已采纳
1回答
如何正确使用交叉熵损失对软件最大值进行分类？
python、deep-learning、pytorch、softmax、cross-entropy
我想训练一个多类别的分类器，用Pytorch。这让我很困惑。
我在Pytorc
浏览 2提问于2020-12-22得票数 3
回答已采纳
3回答
当目标不是单热时，如何正确计算火炬中两个张量之间的交叉熵？
tensorflow、machine-learning、pytorch、loss-function、cross-entropy
基本损失函数CrossEntropyLoss强制目标作为索引整数，在这种情况下它是不合格的。BCELoss看起来很有效，但它带来了一个意想不到的结果。计算交叉熵的期望公式是但是BCELoss计算每个维度的BCE，表示为与第一个方程相比，不应涉及术语-(1-yi)*log(1-pi下面是一个使用BCELoss的例子，我们可以看到第二个项涉及到每个维
浏览 11提问于2021-08-01得票数 2
回答已采纳
1回答
监督学习及其可预测类的数量
machine-learning
我只是ML的初学者。我已经浏览了几个网站的基础知识，有很多不清楚的东西，显然对我来说，其中之一是下面的。
在CNN(卷积神经网络)中，是否需要事先向系统指示作为结果的可用类数？我正在浏览下面的URL，然后得到了这个问题。
浏览 1提问于2017-03-23得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
活动推荐
腾讯云开发者
