Python 3.x 有没有办法在pytorch中编写自定义BCE损失？_Python 3.x_Machine Learning_Neural Network_Computer Vision_Pytorch

Python 3.x 有没有办法在pytorch中编写自定义BCE损失？

python-3.x machine-learning neural-network computer-vision pytorch

Python 3.x 有没有办法在pytorch中编写自定义BCE损失？,python-3.x,machine-learning,neural-network,computer-vision,pytorch,Python 3.x,Machine Learning,Neural Network,Computer Vision,Pytorch,我正在用pytorch编写一个自定义BCE，但在某些情况下它返回-inf和nan。这是由于日志功能 bce_loss=y_true*torch.log2(y_pred) +(one_torch-y_true)*torch.log2(one_torch-y_pred) 有没有办法重写这个？注：y_pred是一个介于0和1之间的sigmoid输出。您可以夹紧pred以停止记录错误 y\u pred=torch.clamp（y\u pred，1e-7，1-1e-7）第二项应为+（one_torch-

我正在用pytorch编写一个自定义BCE，但在某些情况下它返回-inf和nan。这是由于日志功能

bce_loss=y_true*torch.log2(y_pred) +(one_torch-y_true)*torch.log2(one_torch-y_pred)

有没有办法重写这个？注：y_pred是一个介于0和1之间的sigmoid输出。

您可以夹紧pred以停止记录错误

y\u pred=torch.clamp（y\u pred，1e-7，1-1e-7）

第二项应为

+（one_torch-y_true）*torch.log2（one_torch-y_pred）

这不会解决问题。这里的问题是，日志0是-inf，因此在y_pred=0或y_pred=1的情况下，会生成-inf，其中inturn给出的最终答案是-inf或nan。我不知道如何计算y_pred，但在大多数算法中，它不是精确的1或0，而是一个非常接近的数字，在这种情况下，你不会得到nan。你是如何得到y_pred的？是的，同样的事情我认为我只能得到非常接近0和1的值。但是，我得到的情况是，它正好是1和0。你可以在0值上加一个非常小的量，然后从1值中取一个小的量。或者你可以跳过所有这些值。如果不知道您使用的是什么型号，就无法再提供帮助。