如何使用Pytorch中的交叉熵损失进行二进制预测

Question

在pytorch文档中，它表示交叉熵损失：

  

输入必须为张量大小（minibatch，C）

这是否意味着对于二进制（0,1）预测，必须将输入转换为第二维等于（1-p）的（N，2）张量？

例如，如果我为目标为1（真）的类预测0.75，我是否必须将两个值（0.75； 0.25）叠加在一起作为输入？

Answer 1

快速简便：是的，仅将1.0作为真实类，将0.0作为其他类作为目标值。您的模型还应该针对这种情况生成两个预测，尽管可以仅使用一个预测就可以做到这一点，并使用符号信息来确定类别。在这种情况下，使用softmax作为最后一个操作将不会有概率，而是例如使用Sigmoid函数（它将您的输出从（-inf，inf）映射到（0,1）。