PROSAGA码农传奇-pytorch-处理由我的nn模型产生的负值

<div class =“post-text”itemprop =“text”>
  
    的
      TL; DR
    </强>
  
  
    您有两种选择：
  
  <OL>
    <LI>
      制作第二个维度
       <code>
 outputs
 </code>
       大小为2而不是1。
    </LI>
    <LI>
      使用
       <code>
 nn.BCEWithLogitsLoss
 </code>
       代替
       <code>
 nn.CrossEntropyLoss
 </code>
    </LI>
  </醇>
  <HR />
  
    我认为问题不在于负数。它的形状
     <code>
 outputs
 </code>
    。
  
  
    看着你的阵列
     <code>
 y
 </code>
    ，我看到你有两个不同的类（可能更多，但让我们假设它是2）。这意味着最后一个维度
     <code>
 outputs
 </code>
     应该是2.原因是
     <code>
 outputs
 </code>
     需要给两个不同类别中的每一个“得分”（见
    <a href="https://pytorch.org/docs/stable/nn.html#torch.nn.CrossEntropyLoss" rel="nofollow noreferrer">
      文件
    </A>
    ）。得分可以是负数，零或正数。但你的形状
     <code>
 outputs
 </code>
     是
     <code>
 [64,1]
 </code>
    ， 并不是
     <code>
 [64,2]
 </code>
     按要求。
  
  
    其中一个步骤
     <code>
 nn.CrossEntropyLoss()
 </code>
     对象将把这些分数转换为两个类的概率分布。这是使用softmax操作完成的。但是，在进行二进制分类时（即，仅使用2个类进行分类，如我们当前的情况），还有另一种选择：仅为一个类提供分数，使用sigmoid函数将其转换为该类的概率，以及然后对此执行“1-p”以获得其他类的概率。这个选项意味着
     <code>
 outputs
 </code>
     只需要给出两个类别中的一个的分数，就像你目前的情况一样。要选择此选项，您需要更改
     <code>
 nn.CrossEntropyLoss
 </code>
     同
     <code>
 nn.BCEWithLogitsLoss
 </code>
    。然后你可以传递给它
     <code>
 outputs
 </code>
     和
     <code>
 y
 </code>
     正如你现在所做的那样（注意它的形状）
     <code>
 outputs
 </code>
     需要准确的形状
     <code>
 y
 </code>
    ，所以在你的例子中，你需要通过
     <code>
 outputs[:,0]
 </code>
     代替
     <code>
 outputs
 </code>
    。你还需要转换
     <code>
 y
 </code>
     浮动：
     <code>
 y.float()
 </code>
    。因此呼叫是
     <code>
 criterion(outputs[:,0], y.float())
 </code>
    ）
  
</DIV>