在Pytorch中使用一个热向量的交叉熵损失的正确方法

提问者：小点点

我通过在线搜索遇到了很多建议，但我不明白正确的方法。假设我的模型输出是4个神经元，目标标签是1000 0100 0010 0001。

在TensorFlow中，我在末尾添加了一个softmax层，并model.fit分类交叉熵。

在pytorch中正确的方法是什么？

现在，我所做的（及其工作）是插入我的模型输出和目标一个热向量的torch. argmax（）。例如，模型输出是（0.7,0.1,0.1,0.1），目标向量的torch.argmax是0。在这一点上，我激活了nn.CrossEntropyLoss（）。

这是正确的方法吗？

共1个答案

匿名用户

另一种方法是使用BCELoss（），这与交叉熵损失相同，只是需要范围[0,1]内的目标向量以及输出向量。这只是节省了您执行torch. argmax（）步骤的时间。