pytorch交叉熵使用方法

交叉熵相關理論網上好多，這篇只記錄一下在分割中怎麼用torch.nn.BCELoss 和torch.nn.CrossEntropyLoss,也方便自己以後使用。

1、二分類用nn.BCELoss

output:

    定義：  網絡的輸出 
    數值：  需要經過sigmoid()函數歸一化到[0,1]
    shape:  [bs,*]          #   *表示長寬高等任意維度
target: 

    定義：  標籤
    數值：  0或者1 
    shape:  [bs,*], 與output相同
 

loss_func = nn.BCELoss()   #定義交叉熵損失函數
loss = loss_func(output, target)   #計算loss

資料參考：https://pytorch.org/docs/master/nn.html#bceloss

2、多分類用nn.CrossEntropyLoss

 

output:

    定義：  網絡的輸出 
    數值：  任意範圍, 不需要添加softmax(), sigmoid() 或者 argmax()等函數。 
    shape:  [bs, C，*]            # C表示類別數， *表示長寬高等任意維度
target: 

    定義：  標籤
    數值：  0,1,..., C-1.          #如4分類，則數值爲0，1，2，3
    shape:  [bs,*],                  #比output少了通道維，不需要轉爲onehot類型

loss_func = nn.CrossEntropyLoss()     #定義損失函數
output = loss_func(output, target)     #計算loss

資料參考： https://pytorch.org/docs/master/nn.html#crossentropyloss

 

ps：加權暫時未嘗試，以後補充，上爲個人用法，如有錯誤請多指教。