文件名称：bi-tempered-loss:基于Bregman散度的稳健的双脾逻辑损失。 https
文件大小：29KB
文件格式：ZIP
更新时间：2024-06-04 05:16:05
Python
双脾物流损失 这不是官方支持的Google产品。 该方法的概述在这里： 另外，探索交互式演示双向淬火后勤损失的实用属性。 双温逻辑损失是广义的softmax交叉熵损失函数，具有每个样本的有界损失值和重尾softmax概率函数。 双态损耗一般化（带有偏差校正项）： 张＆Sabuncu。 “用于训练带有噪声标签的深度神经网络的广义交叉熵损失。” 在NeurIPS 2018中。 当0.0 <= t1 <= 1.0且t2 = 1.0时恢复。 它还包括： 丁＆Vishwanathan。 “ t-Logistic回归”。 在NeurIPS 2010中。 当t1 = 1.0且t2> = 1.0时。 当t1 = t2 = 1.0时，双温损耗等于softmax交叉熵损耗。 对于0.0 <= t1 <1> 1.0，双调损耗提供了一种更强大的交叉熵损耗替代方案，用于处理标签噪声和离
【文件预览】：
bi-tempered-loss-master
----tensorflow()
--------requirements.txt(46B)
--------LICENSE(11KB)
--------loss_test.py(9KB)
--------run.sh(774B)
--------loss.py(15KB)
----GitHub-Mark-32px.png(2KB)
----CONTRIBUTING.md(1KB)
----LICENSE(11KB)
----index.js(14KB)
----README.md(3KB)
----index.html(6KB)
----robust_loss.js(3KB)
----loss_plot.js(4KB)
----index.css(5KB)