26 lines
1.1 KiB
ReStructuredText
26 lines
1.1 KiB
ReStructuredText
mindspore.ops.SigmoidCrossEntropyWithLogits
|
||
============================================
|
||
|
||
.. py:class:: mindspore.ops.SigmoidCrossEntropyWithLogits
|
||
|
||
计算预测值与真实值之间的sigmoid交叉熵。
|
||
|
||
首先计算相互独立的离散分类任务中的分布误差，再计算各个类的交叉熵损失。
|
||
|
||
将输入 `logits` 设置为 :math:`X` ，输入 `label` 为 :math:`Y` ，输出为 :math:`loss` 。然后，
|
||
|
||
.. math::
|
||
\begin{array}{ll} \\
|
||
p_{ij} = sigmoid(X_{ij}) = \frac{1}{1 + e^{-X_{ij}}} \\
|
||
loss_{ij} = -[Y_{ij} * ln(p_{ij}) + (1 - Y_{ij})ln(1 - p_{ij})]
|
||
\end{array}
|
||
|
||
输入：
|
||
- **logits** (Tensor) - 预测值，任意维度的Tensor，其shape为 :math:`(N, *)` ，其中 :math:`*` 为任意数量的额外维度。数据类型必须为float16或float32。
|
||
- **label** (Tensor) - 真实值，shape和数据类型与 `logits` 的相同。
|
||
|
||
输出：
|
||
Tensor，shape和数据类型与输入 `logits` 相同。
|
||
|
||
异常：
|
||
- **TypeError** - `logits` 或 `label` 不是Tensor。 |