BCEWithLogitsLoss：试图将预测标签的二进制输出作为张量，与输出层混淆

Posted 2023-03-12

【中文标题】BCEWithLogitsLoss：试图将预测标签的二进制输出作为张量，与输出层混淆

【英文标题】：BCEWithLogitsLoss: Trying to get binary output for predicted label as a tensor, confused with output layer

【发布时间】：2021-01-08 03:44:54

【问题描述】：

我的数据集的每个元素都有一个多标签张量，例如 [1, 0, 0, 1]，并具有 1's 和 0's 的不同组合。在这种情况下，由于我有 4 个张量，因此我的神经网络的输出层为 4。在使用 BCEWithLogitsLoss 时，当我调用模型（输入）时，我获得了一个输出张量，如[3, 2, 0, 0]，它在范围内的 (0, 3)，正如我用输出层指定的那样有 4 个输出神经元。这与预期目标的格式不匹配，尽管当我将输出神经元的数量更改为 2 时，出现形状不匹配错误。需要做什么来解决这个问题？

【参考方案1】：

使用BCEWithLogitsLoss 时，您可以对每个输出二进制标签进行一维预测。 在您的示例中，您有 4 个二进制标签要预测，因此，您的模型输出 4d 向量，每个条目代表其中一个二进制标签的预测。

使用 BCEWithLogitsLoss 你隐式将 Sigmoid 应用于你的输出：

这种损失将 Sigmoid 层和 BCELoss 组合在一个类中。

因此，如果您想获得模型的预测概率，您需要在预测之上添加torch.sigmoid。 sigmoid 函数会将您预测的 logits 转换为概率。