mindsponge.metrics.BinaryFocal

class mindsponge.metrics.BinaryFocal(alpha=0.25, gamma=2.0, feed_in=False, not_focal=False)

计算二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’ 。

\[\mathrm{FL}\left(p_{\mathrm{t}}\right)=-\alpha_{\mathrm{t}}\left(1-p_{\mathrm{t}}\right)^{\gamma} \log \left(p_{\mathrm{t}}\right)\]

参数：

• alpha (float) - 交叉熵误差使用的权重系数。默认值：0.25。

• gamma (float) - 超参数，调节误差难易程度。默认值：2.0。

• feed_in (bool) - 是否对输入进行转换。默认值：”False”。

• not_focal (bool) - 是否使用focal误差。默认值：”False”。

输入：

• prediction (Tensor) - 模型预测值，shape为 \((batch\_size, ndim)\) 。

• target (Tensor) - 标签值，shape为 \((batch\_size, ndim)\) 。

输出：

Tensor。shape为 \((batch\_size)\) 。

支持平台：

Ascend GPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor
>>> from mindsponge.metrics import BinaryFocal
>>> net = BinaryFocal()
>>> prediction = Tensor(np.random.randn(32, 10).astype(np.float32))
>>> target = Tensor(np.random.randn(32, 10).astype(np.float32))
>>> out = net(prediction, target)
>>> print(out.shape)
(32,)