PyTorch：使用 BCELoss 解决多标签、二元分类问题答案

【问题标题】：PyTorch: Use BCELoss for multi-label, binary classification problemPyTorch：使用 BCELoss 解决多标签、二元分类问题
【发布时间】：2022-01-04 18:29:13
【问题描述】：

我目前正在研究一个 PyTorch 模型，该模型应该可以解决多标签、二元分类问题。

我模型的最后一层是 Sigmoid 层，我想使用 Pytorch 的 BCELoss。

def train_step(self, x, y):
    self._optim.zero_grad()
    output = self._model(x)
    loss = self._crit(output, y)
    loss.backward()
    self._optim.step()

在这里，y 是例如tensor([[0, 0]])（两个标签为整数），但输出是例如tensor([[0.5332, 0.3933]], grad_fn=<SigmoidBackward>).

这会导致错误：

{RuntimeError}预期的标量类型 Float 的对象，但得到了标量类型对参数 #2 'target' 的调用很长 _thnn_binary_cross_entropy_forward

知道如何解决这个问题吗？

【问题讨论】：

标签： python pytorch

【解决方案1】：

如果你已经定义了一个数据集类，你应该使用类似这样的方式返回张量浮点类型的标签：

"targets": torch.tensor(self.target[item], dtype=torch.float)

【讨论】：