BCELoss

BCELoss

paddle.fluid.dygraph.BCELoss(input, label, weight=None, reduction=’mean’)[源代码]

该接口用于创建一个BCELoss的可调用类，用于计算输入和标签之间的二值交叉熵损失值。二值交叉熵损失函数公式如下：

当 weight 不为空时，公式为：

当 weight 为空时，公式为：

当 reduction 为 none 时，最终的输出结果为：

当 reduction 为 sum 时，最终的输出结果为：

**注意：输入数据一般是 fluid.layers.sigmoid 的输出。因为是二分类，所以标签值应该是0或者1。

输入input和标签label的维度是[N, *], 其中N是batch_size， * 是任意其他维度。如果 reduction 是 'none', 则输出的维度为 [N, *], 与输入input的形状相同。如果 reduction 是 'mean' 或 'sum', 则输出的维度为 [1]。

参数

weight(Variable, optional)：- 手动指定每个batch二值交叉熵的权重，如果指定的话，维度必须是一个batch的数据的维度。数据类型是float32, float64。默认是：None。
reduction(str, optional)：- 指定应用于输出结果的计算方式，可选值有: 'none', 'mean', 'sum' 。默认为 'mean'，计算 BCELoss 的均值；设置为 'sum' 时，计算 BCELoss 的总和；设置为 'none' 时，则返回BCELoss。

返回计算BCELoss的可调用对象。

代码示例

# declarative mode
import paddle.fluid as fluid
import numpy as np
import paddle
input = fluid.data(name="input", shape=[3, 1], dtype='float32')
label = fluid.data(name="label", shape=[3, 1], dtype='float32')
bce_loss = fluid.dygraph.BCELoss()
output = bce_loss(input, label)
place = fluid.CPUPlace()
exe = fluid.Executor(place)
exe.run(fluid.default_startup_program())
input_data = np.array([0.5, 0.6, 0.7]).astype("float32")
label_data = np.array([1.0, 0.0, 1.0]).astype("float32")
output_data = exe.run(fluid.default_main_program(),
        feed={"input":input_data, "label":label_data},
        fetch_list=[output],
        return_numpy=True)
print(output_data)  # [array([0.65537095], dtype=float32)]
# imperative mode
import paddle.fluid.dygraph as dg
with dg.guard(place) as g:
    input = dg.to_variable(input_data)
    label = dg.to_variable(label_data)
    output = bce_loss(input, label)
    print(output.numpy())  # [0.65537095]