Pytorch BCEWithLogitsLoss中的权重
我在一项多标签、多类别的分类任务中面临一个问题。我有一个33000大小的数据集，每个样本包含104个类。我将数据集拆分为16500个样本，其中包含标签[1,0,1,0,0，…]、[0,1,1,0,1，…]、[1,0,0,0]（每个标签中至少有一个元素1）和16500个标签，例如[0,0,0，…]、[0,0,0，…]（所有标签中的所有元素都是0）。当计算每个类的pos_计数时，类0的pos_计数是1中出现在我的数据集中每个标签的第一个位置的数量。对于第1类，pos_count_1表示第二个位置的1的数量，依此类推。然后，0类的pos_权重是（33000-pos_count_0）/pos_count_0，1类的pos_权重是（33000-pos_count_1）/pos_count_1？我有点困惑如何计算一个类的负计数和正计数Pytorch BCEWithLogitsLoss中的权重,pytorch,multilabel-classification,downsampling,imbalanced-data,Pytorch,Multilabel Classification,Downsampling,Imbalanced Data,我在一项多标签、多类别的分类任务中面临一个问题。我有一个33000大小的数据集，每个样本包含104个类。我将数据集拆分为16500个样本，其中包含标签[1,0,1,0,0，…]、[0,1,1,0,1，…]、[1,0,0,0]（每个标签中至少有一个元素1）和16500个标签，例如[0,0,0，…]、[0,0,0，…]（所有标签中的所有元素都是0）。当计算每个类的pos_计数时，类0的pos_计数是1中出现在我的数据集中每个标签的第一个位置的数量。对于第1类，pos_count_1表示第二个位置的1