用pytorch函数计算二元熵损失

Question

我有一个关于计算二进制交叉熵的问题。我知道在pytorch中的结果是：

import torch
import torch.nn as nn
import torch.nn.functional as F
def lossfunc():
    return F.binary_cross_entropy

criterion = lossFunc()
input = torch.randn((3, 2), requires_grad=True)
target = torch.rand((3, 2), requires_grad=False)
loss = criterion(torch.sigmoid(input),target)

但是如何以这种方式完成lossfunc（），因为我不知道如何将参数传递给函数：

#the function that add sigmoid to input and calculate the binary cross entropy loss
def lossfunc():
   return

criterion = lossFunc()
input = torch.randn((3, 2), requires_grad=True)
target = torch.rand((3, 2), requires_grad=False)
loss = criterion(input,target)

Answer 1

我觉得你把nnapi和函数Fapi搞混了。在函数api中，loss函数F.binary_cross_entropy可以直接用作函数。你知道吗

在nnapi中，需要创建loss类的对象，例如criterion = nn.BCELoss()

因此，您可以简单地执行以下操作：

def lossFunc(input, target):
   return F.binary_cross_entropy(torch.sigmoid(input),target)

input = torch.randn((3, 2), requires_grad=True)
target = torch.rand((3, 2), requires_grad=False)
loss = lossFunc(input,target)

另外，PyTorch提供了^{}和^{}，它们结合了sigmoid和二进制交叉熵。你知道吗