BCEWithLogitsLoss

该OP可创建一个BCEWithLogitsLoss的可调用类，计算输入 logit 和标签 label 间的 binary cross entropy with logits loss 损失。

该OP结合了 sigmoid 操作和 api_nn_loss_BCELoss 操作。同时，我们也可以认为该OP是 sigmoid_cross_entrop_with_logits 和一些 reduce 操作的组合。

在每个类别独立的分类任务中，该OP可以计算按元素的概率误差。可以将其视为预测数据点的标签，其中标签不是互斥的。例如，一篇新闻文章可以同时关于政治，科技，体育或者同时不包含这些内容。

首先，该OP可通过下式计算损失函数：

其中

， 代入上方计算公式中:

为了计算稳定性，防止当

时，

溢出，loss将采用以下公式计算:

然后，当 weight or pos_weight 不为None的时候，该算子会在输出Out上乘以相应的权重。张量 weight 给Batch中的每一条数据赋予不同权重，张量 pos_weight 给每一类的正例添加相应的权重。

最后，该算子会添加 reduce 操作到前面的输出Out上。当 reduction 为 none 时，直接返回最原始的 Out 结果。当 reduction 为 mean 时，返回输出的均值 Out\=MEAN(Out)Out\=MEAN(Out) 。当 reduction 为 sum 时，返回输出的求和 Out\=SUM(Out)Out\=SUM(Out) 。