如何检查BCELoss Pytorch的准确性？
要检查BCELoss（二分类交叉熵损失）在PyTorch中的准确性，可以按照以下步骤进行：
- 导入所需的库和模块：
- 导入所需的库和模块：
- 构建模型和数据：
- 构建模型和数据：
- 定义损失函数和优化器：
- 定义损失函数和优化器：
- 训练模型并计算损失：
- 训练模型并计算损失：
- 检查准确性：
- 检查准确性：
这样，你可以通过训练模型并计算损失和准确率来检查BCELoss在PyTorch中的准确性。关于PyTorch的详细信息，可以参考腾讯云的PyTorch产品介绍链接：PyTorch产品介绍。
相关·内容
我正在尝试使用Pytorch来获取HeartDisease.csv，并预测患者是否患有心脏病。.csv提供13个输入和1个目标 我使用的是BCELoss，但我在理解如何编写准确性检查函数时遇到了问题。 我的num_samples正确，但我的num_correct不正确。我认为这是不理解预测张量的结果。现在我的num_correct通常超过8000，而我的num_samples是303...任何关于<
浏览 24提问于2021-04-28得票数 0
回答已采纳
我正在编写一个玩具模型来练习PyTorch和GAN模型，并确保我尽可能多地理解每一步。这导致我检查了我对BCEloss函数的理解，显然我理解它.比率为2.3。为了检查结果，我为Excel编写了中间值：tmploss= nn.BCELoss(reduction='none') # redefining a
浏览 0提问于2019-11-20得票数 0
回答已采纳
当我使用u-net进行两个类别的语义分割时，我在模型最后一层的输出分别设置为1个通道和2个通道。然后使用交叉熵损失来度量: BCEloss和CrossEntropyLoss。但两者之间的差距很大。前者的性能是正常的，但后者的准确率很低，召回率很高。我用了pytorch。
浏览 26提问于2020-04-09得票数 0
回答已采纳
我试图了解二进制交叉熵是如何计算在PyTorch中的。我尝试过来自PyTorch文档这里的相同代码，但是与这个函数的数学实现相比，我得到了不同的结果。代码(与文档相比，我做了很少的更改)：import torch.nn as nnloss = nn.BCELoss()📷
BCELoss的数学公
浏览 0提问于2020-10-21得票数 2
2回答
我想用PyTorch编写一个简单的自动编码器并使用，然而，我得到了NaN，因为它期望目标在0到1之间。有人能发布一个简单的BCELoss用例吗？
浏览 1提问于2017-05-01得票数 12
回答已采纳
我正在训练一个PyTorch模型来执行二进制分类。我的少数类约占数据的10%，因此我想使用加权损失函数。BCELoss和CrossEntropyLoss的文档说我可以为每个示例使用一个'weight'。但是，当我声明CE_loss = nn.BCELoss()或nn.CrossEntropyLoss()，然后执行CE_Loss(output, target, weight=batch_weights)，其中output、target和batch_weights是bat
浏览 16提问于2021-05-28得票数 2
1回答
哪个损失函数只返回0到1之间的值？loss = torch.nn.functional.binary_cross_entropy(output, target)loss_function = torch.nn.BCELoss
浏览 2提问于2022-04-13得票数 0
1回答
我是深度学习的初学者，正在尝试制作判断猫/非猫的鉴别器。但由于X_train和Y_train是用于读取的变量，因此它们被设置为False。 torch.nn.init.constant_(param, 0)
cost_fn = nn.BCELoss()
浏览 1提问于2020-07-17得票数 0
2回答
查看Sklearn中的日志丢失文档和Pytorch中的BCEloss文档，它们应该是相同的，即只是应用权重的正常日志丢失。然而，它们的行为不同--无论是施加还是不施加重量。有人能给我解释一下吗？我找不到BCEloss的源代码(它在内部引用binary_cross_entropy )。torch.randn((3, 1), requires_grad=False)
w = F.sigmoid(
浏览 1提问于2019-05-01得票数 1
回答已采纳
在火炬文档中，交叉熵损失是这样说的：这是否意味着对于二进制(0,1)预测，输入必须转换为(N,2)张量，其中第二维等于(1-p)？因此，例如，如果我预测一个类的目标1 (true)为0.75，是否需要将两个值(0.75；0.25)叠加在一起作为输入？
浏览 0提问于2018-08-18得票数 3
这两个损失函数的基本区别是什么？我已经试过使用这两个损失函数了。
浏览 19提问于2022-05-09得票数 0
1回答
在我的实验中，我试图训练一个神经网络来检测病人是否表现出症状A，B，C，D。我的数据包括每个病人的不同角度照片，以及他们是否有症状A，B，C，D。现在，pytoch，我正在使用MSELoss并将我的测试错误计算为分类总数中正确分类的总数。我猜这太天真了，甚至不合适。
一个测试错误计算的例子是这样的:假设我们有两个病人，每个病人有两个图像。如果模型正确地预测照片中的1名患者1出现了症状A，那么这将使正确分类的总数增加1。
浏览 1提问于2019-11-19得票数 2
回答已采纳
当我试图将加权类传递给BCELoss时(使用pytorch)，我得到了上述错误。你可以在下面看到。我的模型是带有Sigmoid的Resnet。我猜模型期望一个类值而不是两个类值，因为它是Sigmoid的。但是哪一个值的百分比，我应该通过。正值( 1)或负( 0)的百分比。0.6864331773928436]lossFunc= torch.nn.<
浏览 3提问于2022-03-11得票数 0
我目前正在研究一个PyTorch模型，它应该解决一个多标签、二进制分类问题。 {RuntimeError}标量类型浮动的预期对象，但在调用_thnn_binary_cross_entropy_forward时获得标量类型长的参数#2‘_thnn_binary_cross_entropy_forward
浏览 13提问于2022-01-04得票数 0
我对Pytorch中交叉熵的计算感到困惑。如果我想计算两个张量和目标张量之间的交叉熵不是一个热标签，我应该使用哪一个损失？计算两个概率分布之间的交叉熵，而不是预测结果和一个确定的单热标号是很常见的。基本损失函数CrossEntropyLoss强制目标作为索引整数，在这种情况下它是不合格的。BCELoss看起来很有效，但它带来了一个意想不到的结果。计算交叉熵的期望公式是但是BCELoss计
浏览 11提问于2021-08-01得票数 2
回答已采纳
1回答
我在模式.train() (nn.Models of Py火炬)中训练了一个模型，我保存了BCELoss (在模式.train()中)以及ds测试和ds列车(但在.eval()模式下)的准确性。我转换这两种模式是错的吗？这就是问题所在吗？
浏览 5提问于2022-09-19得票数 -4
1回答
我试图用pytorch的BCELoss函数计算一个二元分类问题的交叉熵损失。在修修补补的时候，我发现这种奇怪的行为。from torch import nnloss = nn.BCELoss(reduction="sum")
target = torch.tensor(print(loss(input2, target)) #tensor(9.9996, grad_fn=<BinaryCrossE
浏览 3提问于2021-05-27得票数 2
回答已采纳
我知道这是一个原始的问题，但是我应该在代码中添加什么来输出神经网络的训练精度，除了损失之外，我还检查了PyTorch教程，它们展示了如何在图像分类中添加训练/测试的准确性，但我不知道如何在简单的异或求解NeuralNetwork()
criterion = torch.nn.BCELoss
浏览 2提问于2020-02-11得票数 5
回答已采纳
我试图用PyTorch编写一个用于二进制分类的神经网络，我对损失函数感到困惑。self.outputs = nn.Linear(NETWO
浏览 2提问于2018-12-05得票数 27
1回答
图像分类Pytorch
、、、
如何确定CNN的层数和最终模型，以提高预测的准确性。我正在对图像进行分类，目前用简单的模型获得了65%的准确率，我应该如何增强它才能达到最大的准确率。(Pytorch)
浏览 3提问于2018-12-02得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
