文件名称：focal-loss-keras:Keras中的二进制和分类焦点损失实现
文件大小：73KB
文件格式：ZIP
更新时间：2024-06-03 06:31:29
deep-neural-networks deep-learning keras binary-classification loss-functions
焦点损失 降低了分类良好的示例的权重。 这样做的净效果是，将更多的培训重点放在难以分类的数据上。 在我们的数据不平衡的实际环境中，由于我们拥有更多的数据，我们的多数阶级将很快得到很好的分类。 因此，为了确保我们在少数族裔班上也能达到很高的准确性，我们可以使用焦点损失在训练过程中为那些少数族裔班级提供更多的相对权重。 焦点损失可以很容易地在Keras中实现为自定义损失函数。 用法 以焦点损失为样本编译模型： 二进位 model.compile（损失= [binary_focal_loss（alpha = .25，gamma = 2）]，指标= [“准确性”]，优化程序= adam） 分类的 model.compile（损失= [categoical_focal_loss（alpha = [[。25，.25，.25]]，gamma = 2）]，指标= [“准确性”]，优化程序= ad
【文件预览】：
focal-loss-keras-master
----.github()
--------workflows()
----focal_loss.png(67KB)
----src()
--------test()
--------loss_function()
----requirements.txt(556B)
----Makefile(387B)
----README.md(2KB)