Python 多标签分类张量的输出激活函数

我期望的标签是类张量的

张量（[[0,1,0,1]，[1,1,1,0]]）

我的模型的输出（注意，我停止训练只是为了获得数值，所以它们不能准确地表示神经元的激活）也是一个类似于张量的

张量（[[-10.6964，-13.8998,0.8348，-45.7040]，-10.3260，-13.8385，-9.2342，-5.3424]）

---

直接在输出和标签上使用BCEWithLogitsLoss是否有误？在使用BCEWithLogitsLoss之前，是否需要将输出张量转换为类似于预期标签的二进制张量？我知道BceWithLogicsLoss只是BCELoss+Sigmoid激活。如何获得预期标签张量类型的值，以及在这种情况下应使用何种损失？

在多标签分类的情况下，

BCELoss

是一种常见的选择

BCEWithLogitsLoss

直接作用于输出和标签，因为它期望logit作为一个输入，类（0或1）作为第二个输入。 您可以在此处找到有关此损失和预期标签张量的更多详细信息：