Python tf.keras.metrics.binary_focal_crossentropy用法及代碼示例

計算二元焦點交叉熵損失。

用法

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

參數

y_true 地麵真值，形狀為 (batch_size, d0, .. dN) 。
y_pred 形狀為 (batch_size, d0, .. dN) 的預測值。
gamma 一個對焦參數，默認是參考中提到的2.0。
from_logits y_pred 是否預期為 logits 張量。默認情況下，我們假設 y_pred 對概率分布進行編碼。
label_smoothing 浮點數在 [0, 1] 中。如果高於 0，則通過將標簽向 0.5 擠壓來平滑標簽，即，對目標類使用 1. - 0.5 * label_smoothing，對非目標類使用 0.5 * label_smoothing。
axis 計算平均值的軸。默認為 -1 。

二元焦點交叉熵損失值。形狀 = [batch_size, d0, .. dN-1] 。

根據 Lin 等人，2018 年的說法，它有助於將焦點因子應用於down-weight 簡單示例並更多地關注困難示例。默認情況下，焦點張量計算如下：

focal_factor = (1 - output)**gamma 用於 1 類 focal_factor = output**gamma 用於 0 類，其中 gamma 是聚焦參數。當gamma = 0 時，這個函數相當於二元交叉熵損失。

單機使用：

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)

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.keras.metrics.binary_focal_crossentropy。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法

參數

返回

單機使用：