文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.nn.BCEWithLogitsLoss

class mindspore.nn.BCEWithLogitsLoss(reduction='mean', weight=None, pos_weight=None)

输入经过sigmoid激活函数后作为预测值，BCEWithLogitsLoss 计算预测值和目标值之间的二值交叉熵损失。

将输入 input 设置为 $X$，输入 target 为 $Y$，输出为 $L$。则公式如下：

$$p_{ij}=sigmoid(X_{ij})=\frac{1}{1+e^{-X_{ij}}}$$

$$L_{ij}=-[Y_{ij}\cdot \log (p_{ij})+(1-Y_{ij})\cdot \log (1-p_{ij})]$$

然后，

$$\begin{array}{r}\ell (x,y)=\{\begin{array}{ll}L,& \text{if reduction}=\text{'none';}\\ \mathrm{mean}(L),& \text{if reduction}=\text{'mean';}\\ \mathrm{sum}(L),& \text{if reduction}=\text{'sum'.}\end{array}\end{array}$$

参数：

• reduction (str，可选) - 指定应用于输出结果的规约计算方式，可选 'none' 、 'mean' 、 'sum' ，默认值： 'mean' 。

  • 'none'：不应用规约方法。

  • 'mean'：计算输出元素的加权平均值。

  • 'sum'：计算输出元素的总和。

• weight (Tensor, 可选) - 指定每个批次二值交叉熵的权重。如果不是None，将进行广播，其shape与 input 的shape保持一致，数据类型为float16、float32或bfloat16（仅Atlas A2训练系列产品支持）。默认值： None 。

• pos_weight (Tensor, 可选) - 指定正样本的权重。是一个长度等于分类数的向量。如果不是None，将进行广播，其shape与 input 的shape保持一致，数据类型必须为float16、float32或bfloat16（仅Atlas A2训练系列产品支持）。默认值： None 。

输入：

• input (Tensor) - 输入预测值Tensor，shape $(N,\ast )$ ，其中 $\ast$ 代表任意数量的附加维度。数据类型必须为float16、float32或bfloat16（仅Atlas A2训练系列产品支持）。

• target (Tensor) - 输入目标值Tensor，shape $(N,\ast )$ ，其中 $\ast$ 代表任意数量的附加维度。与 input 的shape和数据类型相同。

输出：

Tensor或Scalar，如果 reduction 为 'none' ，其shape需和 input 相同。否则，将返回Scalar。

异常：

• TypeError - input 或 target 的不为Tensor。

• TypeError - input 或 target 的数据类型不是float16、float32或bfloat16。

• TypeError - weight 或 pos_weight 是 Parameter。

• TypeError - weight 或 pos_weight 的数据类型不是float16、float32或bfloat16。

• TypeError - reduction 的数据类型不是string。

• ValueError - weight 或 pos_weight 不能广播到shape为 input 的Tensor。

• ValueError - reduction 不为 'none' 、 'mean' 或 'sum'。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore as ms
>>> import mindspore.nn as nn
>>> import numpy as np
>>> input = ms.Tensor(np.array([[-0.8, 1.2, 0.7], [-0.1, -0.4, 0.7]]).astype(np.float32))
>>> target = ms.Tensor(np.array([[0.3, 0.8, 1.2], [-0.6, 0.1, 2.2]]).astype(np.float32))
>>> loss = nn.BCEWithLogitsLoss()
>>> output = loss(input, target)
>>> print(output)
0.3463612