分类：BCEWithLogitsLoss

2021
07-01

基于BCEWithLogitsLoss样本不均衡的处理方案

最近在做deepfake检测任务（可以将其视为二分类问题，label为1和0），遇到了正负样本不均衡的问题，正样本数目是负样本的5倍，这样会导致FP率较高。尝试将正样本的loss权重增高，看BCEWithLogitsLoss的源码Examples::>>>target=torch.ones([10,64],dtype=torch.float32)#64classes,batchsize=10>>>output=torch.full([10,64],0.999)#Aprediction(logit)>>>pos_weight=torch.ones([64])#... 继续阅读 >

2021
07-01

Pytorch BCELoss和BCEWithLogitsLoss的使用

BCELoss在图片多标签分类时，如果3张图片分3类，会输出一个3*3的矩阵。先用Sigmoid给这些值都搞到0~1之间：假设Target是：下面我们用BCELoss来验证一下Loss是不是0.7194！emmm应该是我上面每次都保留4位小数，算到最后误差越来越大差了0.0001。不过也很厉害啦哈哈哈哈哈！BCEWithLogitsLossBCEWithLogitsLoss就是把Sigmoid-BCELoss合成一步。我们直接用刚刚的input验证一下是不是0.7193：嘻嘻，我可真是太厉害啦！补充：Pytorch中B... 继续阅读 >