torch.nn.bceloss（）和torch.nn.functional.binary_cross_entropy

Question

这两个损失函数之间的基本区别是什么？我已经尝试使用两个损失功能。

Answer 1

不同之处在于， nn.bceloss 和是两个与同一操作的Pytorch接口。

• ，torch.nn.bceloss是一类，是从 nn.module 这使得以两步的方式使用它，就像您始终在OOP中一样（面向对象的编程）：初始化然后使用。初始化处理参数和属性初始化，因为该名称暗示了使用状态运算符（例如参数化层和类型）非常有用的。这是实现自己的类时要走的方法，例如：

   类Trainer（）：
      def __init __（自我，模型）：
          self.model =模型
          self.loss = nn.bceloss（）
  
      def __call __（self，x，y）
          y_hat = self.model（x）
          损失= self.loss（y_hat，y）
          回报损失
   

• 另一方面， selt ，torch.nn.functional.binary.binary.binary_cross_entropy是功能接口。实际上，它是nn.bceloss使用的基础操作员/Loss.py#l1164“ rel =“ noreferrer”> 这条线 。您可以使用此界面，但是使用状态运营商时，这可能会变得笨拙。在这种特殊情况下，二进制跨透镜损失没有参数（在最一般的情况下），因此您可以做：

   类Trainer（）：
      def __init __（自我，模型）：
          self.model =模型
  
      def __call __（self，x，y）
          y_hat = self.model（x）
          损失= f.binary_cross_entropy（y_hat，y）
          回报损失
   

Answer 2

bceloss 是 binary_cross_entropy 损失。
torch.nn.functional.binary_cross_entropy 计算 torch.nn.bceloss（）的实际损失