Skip to content

Latest commit

 

History

History
28 lines (21 loc) · 1.72 KB

BCELoss_cn.md

File metadata and controls

28 lines (21 loc) · 1.72 KB
Raw

简体中文 | English

BCELoss

二元交叉熵适合处理二分类与多标签分类任务。二元交叉熵以标注图的概率模型为基准，用二分类语义分割模型计算KL散度，根据吉布斯不等式知二者的交叉熵大于语义分割概率模型的熵。计算BCELoss时，我们通常忽略语义分割概率模型的熵（因为它是常量），仅将KL散度的一部分作为损失函数。

class paddleseg.models.losses.BCELoss(
            weight = None,
            pos_weight = None,
            ignore_index = 255,
            edge_label = False
)

BCELoss 使用指南

参数

  • weight (Tensor | str, optional): 对每个批数据元素的损失手动地重新调整权重。如果设定该参数， 且若传入的是一个 1D 张量，则其尺寸为 [N, ]，其数据类型为 float32 或 float64； 若传入的是一个 str，则值必须指定为 'dynamic'，以使在每轮迭代中根据二元交叉熵动态的计算权重。 默认:'None'
  • pos_weight (float|str, optional): 正样本的权重。若传入的是一个 str，则值必须指定为 'dynamic'，以使在每轮迭代中动态的计算权重。 默认:'None'
  • ignore_index (int64, optional): 指定一个在标注图中要忽略的像素值，其对输入梯度不产生贡献。当标注图中存在无法标注（或很难标注）的像素时，可以将其标注为某特定灰度值。在计算损失值时，其与原图像对应位置的像素将不作为损失函数的自变量。 默认:255
  • edge_label (bool, optional): 是否使用边缘标签。 默认:False