BCEWithLogitsLoss:试图将预测标签的二进制输出作为张量，与输出层混淆

Question

我的数据集中的每个元素都有一个多标签张量，如[1, 0, 0, 1]，1's和0's的组合各不相同。在这种情况下，由于我有4个张量，所以我的神经网络的输出层为4。在使用BCEWithLogitsLoss时，当我调用模型(输入)时，得到了一个输出张量，该模型(输入)在(0，3)的范围内，与输出层指定的输出层有4个输出神经元。这不符合预期目标的格式，尽管当我将输出神经元的数目改为2时，就会出现形状不匹配的错误。要解决这个问题需要做些什么？

Answer 1

在使用BCEWithLogitsLoss时，每个输出二进制标签都要做一个一维预测。

在您的示例中，您有4个要预测的二进制标签，因此，您的模型输出4d向量，每个条目表示一个二进制标签的预测。

使用BCEWithLogitsLoss，您对输出隐式应用Sigmoid：

这种丢失将Sigmoid层和BCELoss合并在一个类中。

因此，如果要获得模型的预测概率，则需要在预测的基础上添加一个torch.sigmoid。sigmoid函数将将预测的逻辑转换为概率。