交叉熵損失CrossEntropyLoss

在各種深度學習框架中，我們最常用的損失函式就是交叉熵，熵是用來描述一個系統的混亂程度，透過交叉熵我們就能夠確定預測資料與真實資料的相近程度。交叉熵越小，表示資料越接近真實樣本。

1 分類任務的損失計算

1.1 單標籤分類

二分類

　　單標籤任務，顧名思義，每個樣本只能有一個標籤，比如ImageNet影像分類任務，或者MNIST手寫數字識別資料集，每張圖片只能有一個固定的標籤。二分類是多分類任務中的一個特例，因為二分類只有正樣本和負樣本，並且兩者的機率之和為1，所以不需要預測一個向量，只需要輸出一個機率值就好了。損失函式一般是輸出經過sigmoid啟用函式之後，採用交叉熵損失函式計算loss。

　　以上面貓狗二分類任務為例，網路最後一層的輸出應該理解為：網路認為圖片中含有這一類別物體的機率。而每一類的真實標籤都只有兩種可能值，即“不是這一類物體”和“是這一類物體”，這是一個二項分佈，可能的取值為0或者1，而網路預測的分佈可以理解為標籤是1的機率。當網路的輸出logits=2時，經過sigmoid得到為狗的機率是0.9，交叉熵損失loss=-1×log(0.9) - 0×log(0.1) ≈ 0.1。

多分類　

　　在多分類任務中，利用softmax函式將多個神經元（神經元數目為類別數）輸出的結果對映到對於總輸出的佔比（範圍0~1，佔比可以理解成機率值），我們透過選擇機率最大輸出類別作為預測類別。

 上面為三分類任務，輸出的logits向量對應三個類別，經過softmax後得到三個和為1的機率[0.9,0.1,0]。樣本“剪刀”對應的真實分佈為[1,0,0]，此時計算損失函式得loss = -1*log(0.9) - 0×log(0.1) - 0×log(0) ≈ 0.1。如果網路輸出的機率為[0.1,0.9,0]，此時的交叉熵損失為loss= -1*log(0.1) - 0×log(0.9) - 0×log(0)= 1。上述兩種情況對比，第一個分佈的損失明顯低於第二個分佈的損失，說明第一個分佈更接近於真實分佈，事實也確實是這樣。

1.2 多標籤分類

　　多標籤分類任務，即一個樣本可以有多個標籤，比如一張圖片中同時含有“貓”和“狗”，這張圖片就同時擁有屬於“貓”和“狗”的兩種標籤。在這種情況下，我們將函式作為網路最後一層的輸出，把網路最後一層的每個神經元都看做任務中的一個類別，以影像識別任務為例，網路最後一層的輸出應該理解為：網路認為圖片中含有這一類別物體的機率。而每一類的真實標籤都只有兩種可能值，即“圖片中含有這一類物體”和“圖片中不含有這一類物體”，這是一個二項分佈。綜上所述，對多分類任務中的每一類單獨分析的話，真實分佈是一個二項分佈，可能的取值為0或者1，而網路預測的分佈可以理解為標籤是1的機率。此外，由於多標籤分類任務中，每一類是相互獨立的，所以網路最後一層神經元輸出的機率值之和並不等於1。

上面的多標籤分類任務有三個標籤：狗，貓，豬。輸入圖片中沒有豬，所以真實分佈應該為：[ 1, 1, 0 ] 。

假設經過右圖的網路輸出的機率分佈為：[ 0.95, 0.73, 0.05]，則我們可以對狗，貓，豬這三類都計算交叉熵損失函式，然後將它們相加就得到這一張圖片樣本的交叉熵損失函式值。

loss狗=-1×log(0.95)-(1-1)×log(1-0.95)≈0.05

loss貓=-1×log(0.73)-(1-1)×log(1-0.73)≈0.31

loss豬=-0×log(0.05)-(1-0)×log(1-0.05)≈0.05

loss總=loss狗+loss貓+loss豬=0.05+0.31+0.05=0.41

假設經過右圖的網路輸出的機率分佈為：[ 0.3, 0.5, 0.7]，交叉熵損失損失為

loss狗=-1×log(0.3)-(1-1)×log(1-0.3)≈1.2

loss貓=-1×log(0.5)-(1-1)×log(1-0.5)≈0.7

loss豬=-0×log(0.7)-(1-0)×log(1-0.7)≈1.2

loss總=loss狗+loss貓+loss豬=1.2+0.7+1.2=3.1

由上面兩種情況也可以看出，預測分佈越接近真實分佈，交叉熵損失越小，預測分佈越遠離真實分佈，交叉熵損失越大。

2 損失函式的pytorch實現

Pytorch關於損失函式的內容，可以在官方文件torch.nn — PyTorch 1.10 documentation裡找到。

2.1 nn.BCEloss

BCEloss主要用於計算標籤只有1或者0時的二分類損失，標籤和預測值是一一對應的。需要注意的是，透過nn.BCEloss來計算損失前，需要對預測值進行一次sigmoid計算。sigmoid函式會將預測值對映到0-1之間。如果覺得手動加sigmoid函式麻煩，可以直接呼叫nn.BCEwithlogitsloss。

# class
torch.nn.BCELoss(weight=None, size_average=None, reduce=None, reduction='mean')

# function
torch.nn.functional.binary_cross_entropy(input, target, weight=None, size_average=None, reduce=None, reduction='mean')

• input(Tensor) – 任意維度的張量

• target(Tensor) – 和輸入一樣的shape，但值必須在0-1之間

• weight(Tensor,optional) – 人為給定的權重

• size_average(bool,optional) – 已棄用

• reduce(bool,optional) – 已棄用

• reduction(str,optional) – none：求 minibatch 中每個sample的loss值，不做歸併；mean：對 minibatch 中所有sample 的loss值求平均；sum：對 minibatch 中所有sample的loss值求和。

當 reduction = none時，

其中N表示batch_size,若reduction不為none時，

示例

import numpy as np
import torch
import torch.nn.functional as F

input = torch.Tensor([[0.6, 0.1], [0.3, 0.8]])
target = torch.Tensor([[0, 1], [1, 0]])

loss = F.binary_cross_entropy(input, target)  
# loss : tensor(1.5081)

loss = torch.sum(-(target * torch.log(input) + (1 - target) * torch.log(1 - input))) / 4 
# loss : tensor(1.5081)

loss = -(np.log(0.4) + np.log(0.1) + np.log(0.3) + np.log(0.2)) / 4  
# 1.5080716354070594

loss = F.binary_cross_entropy(torch.sigmoid(input), target)
# loss : tensor(0.8518)

loss = F.binary_cross_entropy_with_logits(input, target)
# loss : tensor(0.8518)

2.2 nn.CrossEntropyLoss

使用神經網路模型時，調整輸出層的單元數，當進行n分類（n>2）時，設定輸出層的單元數為n，採用softmax損失函式（把輸出層整體轉換為0-1之間的機率分佈）+多分類交叉熵損失。把標籤轉換為one-hot向量，每個樣本的標籤是一個n維向量，其所屬類別位置為1，其餘位置為0。

#CLASS
torch.nn.CrossEntropyLoss(weight=None, size_average=None, ignore_index=- 100, reduce=None, reduction='mean', label_smoothing=0.0)

#FUNCTION
torch.nn.functional.cross_entropy(input, target, weight=None, size_average=None, ignore_index=- 100, reduce=None, reduction='mean', label_smoothing=0.0)

• input（Tensor）–在2D情況下輸入尺寸為(N, C, H, W)，在K≥1時，輸入尺寸為 (N, C, d1, d2, ..., dK) 。
• target（Tensor）- 其中每個值是0≤target[i]≤​​​​​​​C-1， 在K≥1時，target的尺寸為(N, d1, d2, ..., dK)。
• weight (Tensor,optional) – 對每個類別的手動重新縮放權重。如果給定，則必須是大小為C的張量
• size_average(bool,optional) – 不推薦使用。預設：True
• ignore_index ( int,optional) – 指定一個被忽略且對輸入梯度沒有貢獻的目標值。當size_average為 時 True，損失在未忽略的目標上取平均值。預設值：-100
• reduce ( bool,optional) – 不推薦使用。預設：True
• reduction(string,optional) – 指定應用於輸出的縮減： 'none'| 'mean'| 'sum'. 'none': 不會應用減少, 'mean': 輸出的總和將除以輸出中的元素數, 'sum': 輸出將被求和。注意：size_average 和reduce正在被棄用，同時，指定這兩個引數中的任何一個都將覆蓋reduction. 預設：'mean'

cross_entropy的pytorch實現

def cross_entropy(input, target, weight=None, size_average=None, ignore_index=-100, reduce=None, reduction='mean'):
    if size_average is not None or reduce is not None:
        reduction = _Reduction.legacy_get_string(size_average, reduce)
    return nll_loss(log_softmax(input, 1), target, weight, None, ignore_index, None, reduction)

可以看出softmax + log + NLLloss = crossEntropyLoss。

• softmax

多分類問題（分類種類為c個）在經過輸出層的計算後，會產生c個輸出x，softmax的作用就是將輸出x轉化為和為1的機率問題。它是二分類函式sigmoid在多分類上的推廣，目的是將多分類的結果以機率的形式展現出來。其定義如下：

 機率是非負且和為1的，因此softmax首先將模型的預測結果轉化到指數函式上，這樣保證了機率的非負性。再將轉換後的結果歸一化處理，使得各預測結果的機率之和等於1。比如三分類預測結果為[3,1,-3]，求指數得[20.09,2.72,0.05]，歸一化後得[0.88,0.12,0]。

當輸入x中存在特別大的xi時，exp(xi)會變得很大，導致出現上溢的情況。當輸入x中每個元素都為特別小的負數時，分母會變得很小，超出精度範圍時向下取0，導致下溢。

• log_softmax

log_softmax是指在softmax函式的基礎上再進行一次log運算，當x再0-1之間時，log(x)值在負無窮到0之間。

其中zmax是輸入z中的最大值，對於任何一個zi，減去zmax後，exp(zi-zmax)的最大值為1，所以不會發生上溢。而∑exp(zi-zmax)中至少有一項值為1，避免了計算log(0)，也解決了下溢的情況。

• NLLloss

NLLloss輸入是一個對數機率向量和一個目標標籤，也就是將上面的輸出中與label對應的那個值拿出來，去掉負號再求均值。不用對label進行one_hot編碼，因為nll_loss函式已經實現了類似one-hot過程：直接在log(softmax(input))矩陣中，取出每個樣本的target值對應的下標位置（該位置在onehot中為1，其餘位置在onehot中為0）。

示例 NLLloss

import torch
import torch.nn.functional as F

# 1D
input = torch.Tensor([[2, 3, 1], [3, 7, 9]])
target = torch.tensor([1, 2])
loss = F.nll_loss(input, target)
#loss: tensor(-6.)

# 2D
input = torch.Tensor([[[2, 3],
                       [1, 5]],
                      [[3, 7],
                       [1, 9]]])
target = torch.tensor([[1, 1],
                       [0, 0]])
loss = F.nll_loss(input, target)
tensor(-4.)

在一維時，nllloss對兩個向量的操作為，將input中的向量，在target中對應的index取出，並取負號輸出。target中為1，則取2，3，1中的第1位3，target第二位為2，則取出3，7，9的第2位9，將兩數取平均(當reduction='mean'時)後加負號後輸出。在二維時（輸入是圖片），loss=[（-3）+（-7）+（-1）+（-5）]/4 = -4。

3 損失函式的weight引數

　　損失函式中的weight引數用於調節不同類別樣本佔比差異很大的現象，比如語義分割中，背景的畫素比缺陷的畫素多很多，在計算loss的時候兩類別loss直接相加會導致模型對背景的過擬合。在分類中，ok的樣本過多而ng樣本過少，當它們的比值大於10的時候要考慮樣本不平衡問題。假設有兩類，標籤類別為0, 1，所對應的樣本數量為1000，10。在網路學習的過程中，假設預測出來的標籤都是0（100000個樣本），它的準確率為1000/1010 ≈ 0.99，將近100%，所以模型就會朝著擬合標籤0的方向更新，導致對標籤0的樣本過擬合，對1類別的樣本欠擬合，泛化能力很差。

如何解決？

• 對於訓練影像數量較少的類，給它更多的權重，這樣如果網路在預測這些類的標籤時出錯，就會受到更多的懲罰。
• 對於具有大量影像的類，可以賦予它較小的權重。

3.1 cross_entropy函式中的weight引數

cross_entropy函式中的weight引數可以在分類問題中給不同的類別不同的權重。

示例 cross_entropy函式中的weight引數

import torch
import torch.nn.functional as F
input = torch.Tensor([[[1, 2], [3, 5]], [[4, 7], [4, 6]]])  # torch.Size([2, 2, 2])
target = torch.tensor([[0, 0], [1, 1]])  # torch.Size([2, 2])
weight = torch.tensor([1.0, 9.0])
loss = F.cross_entropy(input, target)  # tensor(1.7955)
loss = F.cross_entropy(input, target, weight) # tensor(1.1617)

 3.2 binary_cross_entropy函式中的weight引數

pytorch官方對weight給出的解釋是“如果提供，則重複該操作以匹配輸入張量形狀”，也就是說給出weight引數後，會將其shape和input的shape相匹配。預設情況，也就是weight=None時，上述公式中的Wn=1；當weight!=None時，也就意味著我們需要為每一個樣本賦予權重Wi。

 示例 binary_cross_entropy函式中的weight引數

import torch
import torch.nn.functional as F

input = torch.rand(3, 3)  
target = torch.rand(3, 3).random_(2)
w = [0.1, 0.9] # 標籤0和標籤1的權重
weight = torch.zeros(target.shape)  # 權重矩陣
for i in range(target.shape[0]):
    for j in range(target.shape[1]):
        weight[i][j] = w[int(target[i][j])]
loss = F.binary_cross_entropy(input, target, weight=weight)

"""
# input
tensor([[0.1531, 0.3302, 0.7537],
        [0.2200, 0.6875, 0.2268],
        [0.5109, 0.5873, 0.9275]])
# target
tensor([[1., 0., 0.],
        [0., 0., 1.],
        [0., 1., 0.]])
# weight
tensor([[0.9000, 0.1000, 0.1000],
        [0.1000, 0.1000, 0.9000],
        [0.1000, 0.9000, 0.1000]])
# loss
tensor(0.4621)
"""

4 在二分類任務中輸出1通道後sigmoid還是輸出2通道softmax？

當語義分割任務是二分類時，有兩種情況（1）最後一個卷積層直接輸出1通道的feature map，做sigmoid後用binary_cross_entropy函式計算損失（2）最後一個卷積層輸出2channel的feature map，在通道維度做softmax，然後利用cross_entropy計算損失。這兩種方法哪一個更好？

4.1 理論

知乎連結：https://www.zhihu.com/question/295247085/answer/1778398778

首先我們先理論上證明一下二者沒有本質上的區別，對於二分類而言（以輸入x1為例）：

Sigmoid函式：

Softmax函式：

令(x1-x2)=z，和公式（1）完全相同，所以理論上來說兩者是沒有任何區別的。

4.2 實驗

程式碼：WZMIAOMIAO/deep-learning-for-image-processing/pytorch_segmentation/unet/

DRIVE資料集：https://pan.baidu.com/s/1Tjkrx2B9FgoJk0KviA-rDw 密碼: 8no8

影片講解：https://www.bilibili.com/video/BV1Vq4y127fB

使用Up主霹靂吧啦Wz的UNet程式碼測試，原始碼輸出2通道後進行softmax。對網路進行以下改動，將其改為輸出1通道，並使用相同的評價指標。

損失部分

# 二通道損失計算
def criterion(inputs, target, loss_weight=None, num_classes: int = 2, dice: bool = False, ignore_index: int = -100):
    losses = {}
    for name, x in inputs.items():
        # 忽略target中值為255的畫素，255的畫素是目標邊緣或者padding填充
        loss = nn.functional.cross_entropy(x, target, ignore_index=ignore_index, weight=loss_weight)
        losses[name] = loss

    if len(losses) == 1:
        return losses['out']
    return losses['out'] + 0.5 * losses['aux']

# 一通道損失計算
def criterion(inputs, target, loss_weight=None, num_classes: int = 2, dice: bool = False, ignore_index: int = -100):
    losses = {}
    for name, x in inputs.items():
        # 將不關心區域(255)置為0
        roi_mask = torch.eq(target, ignore_index)
        target[roi_mask] = 0
　　　　 # reshape後target和x維度相同
        target = target.reshape(-1).float()
        x = x.reshape(-1).float()
        loss = nn.functional.binary_cross_entropy_with_logits(x, target)
        losses[name] = loss

    if len(losses) == 1:
        return losses['out']
    return losses['out'] + 0.5 * losses['aux']

評價指標

#二通道
def evaluate(model, data_loader, device, num_classes):
    model.eval()
    metric_logger = utils.MetricLogger(delimiter="  ")
    header = 'Test:'
    with torch.no_grad():
        for image, target in metric_logger.log_every(data_loader, 100, header):
            image, target = image.to(device), target.to(device)
            output0 = model(image)['out']
            output1 = torch.softmax(output0, dim=1)
            output2 = output1.argmax(dim=1).float() #只計算前景的dice_coeff
            target = target.float()
            dice = dice_coeff(output2, target, ignore_index=255)

    return dice.item()

#一通道
def evaluate(model, data_loader, device, num_classes):
    model.eval()
    dice = utils.DiceCoefficient(num_classes=num_classes, ignore_index=255)
    metric_logger = utils.MetricLogger(delimiter="  ")
    header = 'Test:'
    with torch.no_grad():
        for image, target in metric_logger.log_every(data_loader, 100, header):
            image, target = image.to(device), target.to(device)
            output = model(image)['out'] # 輸出的是0-1之間的機率
            output[output > 0.5] = 1
            output[output < 1] = 0
            target = target.float()
            dice = dice_coeff(output, target, ignore_index=255)

predict　

# 二通道
...
output = model(img.to(device))
prediction = output['out'].argmax(1).squeeze(0)
prediction = prediction.to("cpu").numpy().astype(np.uint8)
# 將前景對應的畫素值改成255(白色)
prediction[prediction == 1] = 255
# 將不感興趣的區域畫素設定成0(黑色)
prediction[roi_img == 0] = 0
mask = Image.fromarray(prediction)

# 一通道
...
output = model(img.to(device))
prediction = torch.sigmoid(output['out']).squeeze(0).squeeze(0)
prediction = prediction.to("cpu").numpy()
# 將前景對應的畫素值改成255(白色)
prediction[prediction > 0.5] = 1
prediction[prediction < 1] = 0
# 將不感興趣的區域畫素設定成0(黑色)
prediction[roi_img == 0] = 0
mask = Image.fromarray((prediction*255).astype(np.uint8)) 

batch_size取16，不使用dice_loss，訓練150epoch後，效果差不多。

 

 

 

 

參考

1. PyTorch master documentation

2. torch的交叉熵損失函式(cross_entropy)計算

3. 帶權重的損失函式nn.crossEntropyLoss中的weight使用

4. 一文搞懂F.binary_cross_entropy以及weight引數

5. Cross-entropy 和 Binary cross-entropy

6. 交叉熵損失函式（Cross Entropy Loss）

7. 二分類問題，應該選擇sigmoid還是softmax？