计算loss时binary_cross_entropy的值出现负数 nan无穷大

  1. 问题描述:
    使用torch的binary_cross_entropy计算分割的loss时,前几个epoch的值确实是正的,但是训到后面loss的值一直是负数

    解决方案:
    后面发现自己输入的数据有问题,binary_cross_entropy输入的target和input数值范围需要在0-1之间,调试的时候发现是target label输入的数值有0,1,2,修改之后就正常了.

    binary_cross_entropy输入的target和input数值范围需要在0-1之间

    torch.nn.functional.binary_cross_entropy(input, target, weight=None, size_average=None, reduce=None, reduction=‘mean’)

    https://pytorch.org/docs/stable/nn.functional.html?highlight=cross_entropy#torch.nn.functional.binary_cross_entropy

  2. 问题描述:
    使用torch的binary_cross_entropy计算分割的loss时,偶然出现计算出来的loss是nan无穷。

    解决方案:
    发现是数据的问题导致的,由于分割标签中只有全为0的情况,即没有目标分割物体,使用命令len(np.unique(label)),得知当len=1时,会出现loss为nan。我的解决方案是直接不算这类数据的loss,或者直接让这一项等于0.

你可能感兴趣的:(python,pytorch)