sponge.metrics.BinaryFocal

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' 。

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

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 \((batch\_size, ndim)\)。

• 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 sponge.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,)