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:

weight 不为空时,公式为:

\[Out = -1 * weight * (label * log(input) + (1 - label) * log(1 - input))\]

weight 为空时,公式为:

\[Out = -1 * (label * log(input) + (1 - label) * log(1 - input))\]

reductionnone 时,最终的输出结果为:

\[Out = Out\]

reductionsum 时,最终的输出结果为:

\[Out = MEAN(Out)\]

reductionsum 时,最终的输出结果为:

\[Out = SUM(Out)\]

**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'none', 则输出的维度为 [N, *], 与输入input的形状相同。 如果 reduction'mean''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

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]