多标签分类张量的输出激活函数

Question

我期望的标签是一个类似张量的tensor([[0, 1, 0, 1], [1, 1, 1, 0]])

我的模型的输出（注意，我停止训练只是为了获得值，所以它们不能准确地表示神经元的激活）也是一个类似张量的tensor([[-10.6964, -13.8998, 0.8348, -45.7040], [-10.3260, -13.8385, -9.2342, -5.3424]])

直接在输出和标签上使用BCEWithLogitsLoss是否有误？在使用BCEWithLogitsLoss之前，是否需要将输出张量转换为类似于预期标签的二进制张量？我知道BceWithLogicsLoss只是BCELoss+Sigmoid激活。如何获得期望标签张量类型的值，以及在这种情况下应该使用什么样的损失

Answer 1

在多标签分类的情况下BCELoss是一种常见的选择BCEWithLogitsLoss直接作用于输出和标签，因为它期望logit作为一个输入，类（0或1）作为第二个输入。 您可以在此处找到有关此损失和预期标签张量的更多详细信息： BCEWithLogitsLoss