mindsponge.metrics.MultiClassFocal

class mindsponge.metrics.MultiClassFocal(num_class, beta=0.99, gamma=2.0, 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’ 。

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 \((batch\_size, ndim)\) 。

• 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 MultiClassFocal
>>> net = MultiClassFocal(10)
>>> 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,)