二元交叉熵损失函数torch

在PyTorch中，可以使用`torch.nn.BCELoss`类来计算二元交叉熵损失函数。BCE表示二元交叉熵（Binary Cross Entropy）。

以下是一个简单的示例代码，展示了如何在PyTorch中使用二元交叉熵损失函数：

import torch
import torch.nn as nn

# 假设有一批二分类任务的预测概率和对应的真实标签
predictions = torch.Tensor([0.2, 0.8, 0.6])  # 预测概率
labels = torch.Tensor([0, 1, 1])  # 真实标签（0表示负样本，1表示正样本）

# 创建损失函数实例
loss_function = nn.BCELoss()

# 计算二元交叉熵损失
loss = loss_function(predictions, labels)

print(loss)

输出结果将是一个标量，表示计算得到的二元交叉熵损失值。

注意：在使用`torch.nn.BCELoss`时，输入的预测概率应该在[0, 1]的范围内，并且具有浮点数据类型。真实标签应该是与预测概率相同大小的张量，并且使用0和1表示负样本和正样本。