代码拉取完成,页面将自动刷新
.. py:class:: sponge.metrics.BinaryFocal(alpha=0.25, gamma=2.0, feed_in=False, not_focal=False) 计算预测值和真实值之间的二元分类焦点误差。 参考 `Lin, Tsung-Yi, et al. 'Focal loss for dense object detection' <https://arxiv.org/abs/1708.02002>`_ 。 .. math:: \mathrm{FL}\left(p_{\mathrm{t}}\right)=-\alpha_{\mathrm{t}}\left(1-p_{\mathrm{t}}\right)^{\gamma} \log \left(p_{\mathrm{t}}\right) 参数: - **alpha** (float,可选) - 交叉熵的权重,默认值为 ``0.25``。 - **gamma** (float,可选) - 超参数,调节从难到易的损失,默认值为 ``2.0``。 - **feed_in** (bool,可选) - 是否转换预测值,默认值为 ``False``。 - **not_focal** (bool,可选) - 是否使用焦点损失,默认值为 ``False``。 输入: - **prediction** (Tensor) - 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,)`。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。