交叉熵上升而AUC上升（火炬）

Question

我有一个前馈神经网络和一个二进制分类问题。

将损失函数定义为

def cross_entropy(ys,ts):
    cross_entropy = -torch.sum(ts * torch.log(ys+0.00001) + (1-ts)*torch.log(1-ys+0.00001))
    return cross_entropy

和AUC为

def auc(ys, ts):
    ts = ts.detach().numpy()
    ys = ys.detach().numpy()
    return roc_auc_score(ts,ys)

其中ts和ys分别是目标/净输出（对于类1）。 由于某些原因，当我训练时，交叉熵会升高，而AUC会升高。我认为任何一个都应该随着另一个的成长而倒下。