形状为 [64, 1] 的输出与广播形状 [64, 2] 不匹配

Question

当尝试将加权类传递给 BCELoss （使用 pytorch）时，我遇到了上述错误。正如你在下面看到的。我的模型是带有 Sigmoid 的 Resnet。我猜该模型期望一个类值而不是两个，因为它是 Sigmoid。 但哪一项价值百分比，我应该通过。正值（1）或负值（0）的百分比

class_weights2=[postive/(negtive+postive),negtive/(negtive+postive)]
print(class_weights2)
# [0.3135668226071564, 0.6864331773928436]
class_weights=torch.tensor(class_weights2,dtype=torch.float)
lossFunc= torch.nn.BCELoss(class_weights)

，这是模型：

model = torchvision.models.resnet50(pretrained=False)

model.fc = torch.nn.Sequential(
    torch.nn.Linear(
        in_features=2048,
        out_features=1
    ),
    torch.nn.Sigmoid()
)

Answer 1

传递给 BCELoss 的权重不是类别权重。他们重新调整批次中每个元素的贡献。
来自 文档：

为每个批次元素的损失指定手动重新缩放权重。如果
给定，必须是大小为 nbatch 的张量。