BCEWithLogitsLoss đúng cách
Phân biệt logits với probability và chọn loss binary đúng API.
Tiến độ của tôi ở bài này
Điểm được lưu vào tài khoản sau khi chấm bài.
Đang tải điểm của bạn…
Kiến thức và chủ đề
Kiến thức tiên quyết: logits versus probability, binary labels, sigmoid concept.
Nội dung đề bài
Mục tiêu kiến thức
Phân biệt logits với probability và chọn loss binary đúng API.
Mô tả bài toán
Đây là bài số 384 trong tầng PyTorch deep learning thực hành. Bài dùng thư viện torch.nn.functional.binary_cross_entropy_with_logits trên dữ liệu nhỏ, cố định và chạy CPU; mục tiêu là hiểu workflow chứ không bắt học viên tự viết lại thư viện.
Yêu cầu
Dùng F.binary_cross_entropy_with_logits trực tiếp trên logits và target float 0/1.
def bce_with_logits_value(logits, targets):Input
Hai list logits số thực và targets 0/1 cùng độ dài.
Output
Dictionary bce làm tròn 6 chữ số.
Ràng buộc
Không sigmoid trước khi gọi hàm WithLogits.
Ví dụ
Giải thích
Logit 0 cho target 0 hoặc 1 đều có loss ln(2)=0.693147.
Gợi ý và lời giải chỉ mở sau khi bạn bấm Nộp bài. Giáo viên và quản trị viên mở được ngay.
Góp ý & báo lỗi bài tập
Đề bài chưa rõ, test có vấn đề hay bạn có ý tưởng giúp bài tốt hơn? Gửi cho đội ngũ AI Empire nhé — mỗi góp ý đều được đọc.