sponge.metrics.MultiClassFocal

class sponge.metrics.MultiClassFocal(num_class, beta=0.99, gamma=2.0, e=0.1, neighbors=2, not_focal=False, reducer_flag=False)

计算预测值和真实值之间的多类别焦点误差。

参考 Lin, Tsung-Yi, et al. 'Focal loss for dense object detection' 。

参数：

• num_class (int) - 类别数量。

• beta (float，可选) - 移动平均系数，默认值为 0.99。

• gamma (float，可选) - 超参数，默认值为 2.0。

• e (float，可选) - 焦点损失的比例，默认值为 0.1。

• neighbors (int，可选) - 目标中要屏蔽的邻居数，默认 2。

• not_focal (bool，可选) - 是否使用焦点损失，默认值为 False。

• reducer_flag (bool，可选) - 是否聚合多个设备的标签值，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 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,)