焦距损失的张量流实现。
focal-loss的Python项目详细描述
聚焦损耗[1]的张量流实现：损耗函数的推广 二元和多类交叉熵损失，惩罚难以分类 例子。在
focal_loss包提供的函数和类可以用作 tf.keras.losses函数和类的现成替代品， 分别。在
# Typical tf.keras API usageimporttensorflowastffromfocal_lossimportBinaryFocalLossmodel=tf.keras.Model(...)model.compile(optimizer=...,loss=BinaryFocalLoss(gamma=2),# Used here like a tf.keras lossmetrics=...,)history=model.fit(...)
focal_loss包包括以下函数
- binary_focal_loss
- sparse_categorical_focal_loss
和包装类
- BinaryFocalLoss（使用类似于tf.keras.losses.BinaryCrossentropy）
- SparseCategoricalFocalLoss（使用类似于tf.keras.losses.SparseCategoricalCrossentropy）
文件可在 Read the Docs。在
^{1}$安装
focal_loss包可以使用 pip实用程序。 对于最新版本，请直接从包的 GitHub page：
^{pr2}$或者，从 Python Package Index (PyPI)：
pip install focal-loss
Note.安装用于开发的项目（例如，对
源代码），从GitHub克隆项目存储库并运行
make dev：
git clone https://github.com/artemmavrin/focal-loss.git cd focal-loss # Optional but recommended: create and activate a new environment first make dev
这将额外安装运行测试所需的需求，检查代码 报道，并制作文件。在
参考文献
| [1] | T. Lin, P. Goyal, R. Girshick, K. He and P. Dollár. Focal loss for dense object detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2018. (DOI) (arXiv preprint) |
- 项目
标签：
欢迎加入QQ群-->： 979659372
