我想使用 <a href="https://www.tensorflow.org/api_docs/python/tf/keras/losses/BinaryCrossentropy" rel="nofollow noreferrer">tf.keras.l

我对 Pytorch 很陌生。 我想计算 Transformer 中批次的损失。在这种情况下，我的“批次”只有两个副本。

我想通过使用 Kullbak-Leibler 方法最小化参数来找到 Weibull 分布的参数。我找到了一个代码 <a href="https://tow

假设我有一个向量 <code>y_true</code> 和一个向量 <code>y_pred</code>。我计算了两个向量之间的交叉熵，但是对

我正在使用遗传算法实现来尝试发现 CNN 的最佳模型结构。我正在使用带有 Tensorflow 后端的 Keras 来构建

在多类分类中使用softmax loss（categorical cross-entropy），损失函数只计算每个样本的有效类的误差。为其他

我试图训练 UNET，输入大小为 [3,128,128]，相应的掩码是 [1,128,128]，它直接包含类（而不是像素，它将包含

我有两个时间序列 P 和 Q。我正在计算两个时间序列的归一化直方图，然后计算 Kullback Leiber 交叉熵。我

我正在从事情感分析，我想将输出分为 4 类。对于<strong>损失</strong>，我使用了<strong>交叉熵</strong>。

我刚开始在 Python 中使用 <code>math</code> 库。此脚本的目的是展示我对 <code>Cross-Entropy</code> 错误函数的“

我正在尝试通过预测下一个二进制序列来构建一个以二进制“计数”的神经网络。例如：010 -> 011 对于这

我想在每个时期打印模型的验证损失，获取和打印验证损失的正确方法是什么？ 是不是这样： <

我正在玩一些代码，但它的行为与我预期的不同。所以我把它简化为一个最低限度的工作示例： <pre><

希望大家一切都好。 我正在使用交叉熵方法制作一个购物车杆，但是当我遇到这个错误时我很困惑。

我有使用 PyTorch 进行多类分割的代码。输入是图像及其地面实况掩码。这是我的一段代码： <pre><code>c

我正在尝试使用 PyTorch 进行一些实验，在那里我创建了自己的输入和目标。我将这些输入提供给模型（

在使用 MNIST 数据集解决数字识别任务后，我尝试在 kaggle 上解决相同的精确竞争： <a href="https://www.

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

我正在尝试使用 <code>nn.CrossEntropyLoss()</code> 来查找输出形状为 <code>(batch_size, 1, 30, 30)</code> 的张量的 patch

有人知道为什么 Categorical Crossentropy 函数的原始实现与 <code>tf.keras</code> 的 api 函数如此不同吗？ <pre><