损失函数

BCE Loss

二元交叉熵损失函数

\text{Loss} = -\frac{1}{N}\sum_{i=1}^Ny_i\cdot\log(p(y_i)) + (1-y_i)\cdot\log(1-p(y_i))

$y$ 是二元标签 0 或者 1， $p(y)$ 是输出属于标签的概率， $N$ 表示模型预测对象的组数。

BCE Loss用于评判一个二分类模型预测结果的好坏程度的。即对于标签 $y$ 为1的情况，如果预测值 $p(y)$ 趋近于1，那么Loss的值应当趋近于0。反之，如果此时预测值 $p(y)$ 趋于0，Loss接近无穷大。