nn.BCELoss与nn.CrossEntropyLoss
BCELoss与CrossEntropyLoss都是用于分类问题。可以知道，BCELoss是Binary CrossEntropyLoss的缩写，BCELoss是CrossEntropyLoss的一个特例，只用于二分类问题，而CrossEntropyLoss可以用于二分类，也可以用于多分类，在计算nn.CrossEntropyLoss时，真实的label会被处理成one-hot编码形式。
不过我重新查阅了一下资料，发现同样是处理二分类问题，BCELoss与CrossEntropyLoss是不同的。下面我详细讲一下哪里不同。
１．使用nn.BCELoss需要在该层前面加上Sigmoid函数，公式如下：
![l o s s ( X i , y i ) = − w i [ y i l o g x i + ( 1 − y i ) l o g ( 1 − x i ) ] loss(X_{i},y_{i}) = -w_{i}[y_{i}logx_{i} + (1-y_{i})log(1-x_{i})] loss(Xi,yi)=−wi[yilogxi+(1−yi)log(1−xi)]](https://img-blog.csdnimg.cn/ca100fca1b2b4c06b31a6bbc02a8c129.png)
２．使用nn.CrossEntropyLoss会自动加上Sofrmax层，公式如下：
用法总结：
sigmoid+BCE loss
softmax+CrossEntropyLoss