Keras 中的 BCEWithLogitsLoss

Question

如何在 keras 中实现 BCEWithLogitsLoss 并将其用作自定义损失函数，同时使用 Tensorflow 作为后端。

我在 PyTorch 中使用了 BCEWithLogitsLoss，这是在 torch 中定义的。

如何在 Keras 中实现相同的功能？

Answer 1

在 TensorFlow 中，您可以直接调用 tf.nn.sigmoid_cross_entropy_with_logits，它在 TensorFlow 1.x 和 2.0 中都有效。

如果您想坚持使用 Keras API，请使用 tf.losses.BinaryCrossentropy 并在构造函数调用中设置 from_logits=True。

与 PyTorch 不同，API 中没有明确的每个示例权重。您可以为损失设置 reduction=tf.keras.losses.Reduction.NONE，通过显式乘法进行加权并使用 tf.reduce_mean.

减少损失

xent = tf.losses.BinaryCrossEntropy(
    from_logits=True,
    reduction=tf.keras.losses.Reduction.NONE)
loss = tf.reduce_mean(xent(targets, pred) * weights))

Keras 中的 BCEWithLogitsLoss

BCEWithLogitsLoss in Keras

python

keras

deep-learning

loss-function