在 Pytorch 中使用一个热向量使用交叉熵损失的正确方法

如何解决在 Pytorch 中使用一个热向量使用交叉熵损失的正确方法

我在网上搜索时遇到了很多建议，但我不明白正确的方法。 假设我的模型输出是 4 个神经元，目标标签是 1000 0100 0010 0001。

在 tensorflow 中，我在最后添加了一个 softmax 层，并将 model.fit 与 CategoricalCrossEntropy。

在 pytorch 中正确的方法是什么？

现在，我所做的（及其工作）是插入我的模型输出和目标一个热向量的 torch.argmax()。 例如模型输出为 (0.7,0.1,0.1)，目标向量的 torch.argmax 为 0。 我正在激活 nn.CrossEntropyLoss()。

这是正确的做法吗？

解决方法

另一种方法是使用 BCELoss()，它与交叉熵损失相同，除了预期范围为 [0,1] 的目标向量以及输出向量。这只是让您不必执行 torch.argmax() 步骤。