新标签看起来像：[0，1，1，0，0，1，0].原来的损失函数：torch.nn.CrossEntropyLoss()计算段：pred = model(images.to(device)) loss = loss_function(pred, labels.to(device))（如何用torch.nn.BCEWithLogitsLoss代替？我已经从GPT和谷歌得到了一些答案，但没有可执行的细节。
torch.nn.CrossEntropyLoss()
pred = model(images.to(device)) loss = loss_function(pred, labels.to(device))
lzfw57am1#
如果你已经有了这种格式的标签，你可以交换损失函数。
import torch import torch.nn as nn loss_fn = nn. BCEWithLogitsLoss() logits = torch.randn(3) labels = torch.tensor([1, 0, 1]).float() loss = loss_fn(logits, labels)
字符串
1条答案
按热度按时间lzfw57am1#
如果你已经有了这种格式的标签，你可以交换损失函数。
字符串