Keras 中的 BCEWithLogitsLoss

Question

如何BCEWithLogitsLoss在 keras 中实现并将其用作自定义损失函数，同时用作Tensorflow后端。

我已经使用了BCEWithLogitsLoss其中PyTorch定义的torch。

如何在 Keras 中实现相同的功能？

Answer 1

在TensorFlow中，您可以直接调用tf.nn.sigmoid_cross_entropy_with_logits它在TensorFlow 1.x和2.0中都有效。

如果您想坚持使用 Keras API，请在构造函数调用中使用tf.losses.BinaryCrossentropy和设置。from_logits=True

与 PyTorch 不同，API 中没有明确的每个示例权重。您可以改为设置reduction=tf.keras.losses.Reduction.NONE损失，通过显式乘法进行加权并使用 减少损失tf.reduce_mean。

xent = tf.losses.BinaryCrossEntropy(
    from_logits=True,
    reduction=tf.keras.losses.Reduction.NONE)
loss = tf.reduce_mean(xent(targets, pred) * weights))