文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindsponge.metrics.BalancedMSE

class mindsponge.metrics.BalancedMSE(first_break, last_break, num_bins, beta=0.99, reducer_flag=False)

计算预测值和真实值之间的均衡平方误差，适用于回归任务中标签不平衡的场景。详细实现过程参考： Ren, Jiawei, et al. ‘Balanced MSE for Imbalanced Visual Regression’ 。

$$L=-\log \mathcal{N}(\mathit{y};{\mathit{y}}_{\text{pred }},{\sigma }_{\text{noise }}^2\mathrm{I})+\log \sum _{i=1}^N{p}_{\text{train }}({\mathit{y}}_{(i)})\cdot \mathcal{N}({\mathit{y}}_{(i)};{\mathit{y}}_{\text{pred }},{\sigma }_{\text{noise }}^2\mathrm{I})$$

参数：

• first_break (float) - bin划分的起始位置。

• last_break (float) - bin划分的结束位置。

• num_bins (int) - 划分bin的数目。

• beta (float) - 滑动平均的系数。默认值：0.99。

• 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 $(batch\mathrm{\_}size,ndim)$ 。

• target (Tensor) - 标签值，shape为 $(batch\mathrm{\_}size,ndim)$ 。

输出：

Tensor。shape为 $(batch\mathrm{\_}size,ndim)$ 。

支持平台：

Ascend GPU

样例：

>>> import numpy as np
>>> from mindsponge.metrics import BalancedMSE
>>> from mindspore import Tensor
>>> net = BalancedMSE(0, 1, 20)
>>> 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, 10)