← 返回函数库
损失函数
Binary Cross-Entropy
BCE(y, p) = −[y log p + (1−y) log(1−p)]
二分类的交叉熵。y ∈ {0, 1} 是真实标签，p ∈ (0, 1) 是预测概率（通常是 sigmoid 的输出）。
参数
| 名称 | 类型 | 说明 |
|---|---|---|
| y | tensor | 真实标签 (0 或 1) |
| p | tensor | 预测概率 (0,1) |
Python 实现
下面是教学用的最小实现，目的是让你看懂原理。生产中请用 PyTorch / TensorFlow 的高性能 op。
python
在计算器里试试
打开底部工具栏的「计算器」，把下面这个表达式贴进表达式输入框，拖动参数滑块看曲线变化：
-(0.5*log(x) + 0.5*log(1-x))
BCE 当 y=0.5