220 Star 931 Fork 686

GVPMindSpore/mindscience

加入 Gitee
与超过 1200万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
文件
克隆/下载
mindsponge.metrics.MultiClassFocal.rst 1.22 KB
一键复制 编辑 原始数据 按行查看 历史
luojianing 提交于 2年前 . add ` for values in docs

mindsponge.metrics.MultiClassFocal

.. py:class:: mindsponge.metrics.MultiClassFocal(num_class, beta=0.99, gamma=2., e=0.1, neighbors=2, not_focal=False, reducer_flag=False)

    计算多分类中预测值和真实值之间的焦点损失,详细实现过程参考: `Lin, Tsung-Yi, et al. 'Focal loss for dense object detection' <https://arxiv.org/abs/1708.02002>`_ 。

    参数:
        - **num_class** (int) - 分类类别数。
        - **beta** (float) - 滑动平均的系数。默认值: ``0.99``。
        - **gamma** (float) - 超参数。默认值: ``2.0``。
        - **e** (float) - 比例系数,focal误差占比。默认值: ``0.1``。
        - **neighbors** (int) - 标签中需要mask的邻居数。默认值: ``2``。
        - **not_focal** (bool) - 是否使用focal误差。默认值: ``False``。
        - **reducer_flag** (bool) - 是否对多卡的标签值做聚合。默认值: ``False``。

    输入:
        - **prediction** (Tensor) - 模型预测值,shape为 :math:`(batch\_size, ndim)` 。
        - **target** (Tensor) - 标签值,shape为 :math:`(batch\_size, ndim)` 。

    输出:
        Tensor。shape为 :math:`(batch\_size, )` 。
Loading...
马建仓 AI 助手
尝试更多
代码解读
代码找茬
代码优化
1
https://gitee.com/mindspore/mindscience.git
git@gitee.com:mindspore/mindscience.git
mindspore
mindscience
mindscience
master

搜索帮助