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。

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.ops.BCEWithLogitsLoss

class mindspore.ops.BCEWithLogitsLoss(reduction='mean')

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 logits 设置为 $X$ ，输入 labels 设置为 $Y$ ，输入 weight 设置为 $W$ ，输出设置为 $L$ 。则，

$$\begin{array}{r}\begin{array}{l}\\ L_{ij}=-W_{ij}[Y_{ij}log(X_{ij})+(1-Y_{ij})log(1-X_{ij})]\end{array}\end{array}$$

$i$ 表示 $i^{th}$ 样例， $j$ 表示类别。则，

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

$\ell$ 表示计算损失的方法。有三种方法：第一种方法是直接提供损失值，第二种方法是计算所有损失的平均值，第三种方法是计算所有损失的总和。

参数：

• reduction (str) - 指定用于输出结果的计算方式。取值为 ‘mean’ 、 ‘sum’ 或 ‘none’ ，不区分大小写。如果 ‘none’ ，则不执行 reduction 。默认值：’mean’ 。

输入：

• logits (Tensor) - 输入预测值，任意维度的Tensor。其数据类型为float16或float32。

• label (Tensor) - 输入目标值，shape与 logits 相同。数据类型为float16或float32。

• weight (Tensor) - 指定每个批次二值交叉熵的权重。支持广播，使其shape与 logits 的shape保持一致。数据类型必须为float16或float32。

• pos_weight (Tensor) - 指定正类的权重。是一个长度等于分类数的向量。支持广播，使其shape与 logits 的shape保持一致。数据类型必须为float16或float32。

输出：

Tensor或Scalar，如果 reduction 为 ‘none’ ，则为shape和数据类型与输入 logits 相同的Tensor。否则，输出为Scalar。

异常：

• TypeError - 任何输入不是Tensor。

• TypeError - 任何输入的数据类型既不是float16也不是float32。

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

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

• ValueError - reduction 不为 ‘none’ 、 ‘mean’ 或 ‘sum’ 。

支持平台：

Ascend GPU CPU

样例：

>>> logits = Tensor(np.array([[-0.8, 1.2, 0.7], [-0.1, -0.4, 0.7]]), mindspore.float32)
>>> label = Tensor(np.array([[0.3, 0.8, 1.2], [-0.6, 0.1, 2.2]]), mindspore.float32)
>>> weight = Tensor(np.array([1.0, 1.0, 1.0]), mindspore.float32)
>>> pos_weight = Tensor(np.array([1.0, 1.0, 1.0]), mindspore.float32)
>>> loss = ops.BCEWithLogitsLoss()
>>> output = loss(logits, label, weight, pos_weight)
>>> print(output)
0.3463612