Python tf.keras.metrics.binary_focal_crossentropy用法及代码示例

计算二元焦点交叉熵损失。

用法

tf.keras.metrics.binary_focal_crossentropy(
    y_true, y_pred, gamma=2.0, from_logits=False, label_smoothing=0.0, axis=-1
)

参数

y_true 地面真值，形状为 (batch_size, d0, .. dN) 。
y_pred 形状为 (batch_size, d0, .. dN) 的预测值。
gamma 一个对焦参数，默认是参考中提到的2.0。
from_logits y_pred 是否预期为 logits 张量。默认情况下，我们假设 y_pred 对概率分布进行编码。
label_smoothing 浮点数在 [0, 1] 中。如果高于 0，则通过将标签向 0.5 挤压来平滑标签，即，对目标类使用 1. - 0.5 * label_smoothing，对非目标类使用 0.5 * label_smoothing。
axis 计算平均值的轴。默认为 -1 。

二元焦点交叉熵损失值。形状 = [batch_size, d0, .. dN-1] 。

根据 Lin 等人，2018 年的说法，它有助于将焦点因子应用于down-weight 简单示例并更多地关注困难示例。默认情况下，焦点张量计算如下：

focal_factor = (1 - output)**gamma 用于 1 类 focal_factor = output**gamma 用于 0 类，其中 gamma 是聚焦参数。当gamma = 0 时，这个函数相当于二元交叉熵损失。

单机使用：

y_true = [[0, 1], [0, 0]]
y_pred = [[0.6, 0.4], [0.4, 0.6]]
loss = tf.keras.losses.binary_focal_crossentropy(y_true, y_pred, gamma=2)
assert loss.shape == (2,)
loss.numpy()
array([0.330, 0.206], dtype=float32)

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.keras.metrics.binary_focal_crossentropy。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法

参数

返回

单机使用：