Pytorch 实现focal_loss 多类别和二分类示例_python

来源:脚本之家  责任编辑:小易  

友情提示:对于化妆品谨防传销!你说的应该是 美国 劲浪国际 集团有限公司是香港一家国际性的实业投资公司,在欧美、南美、亚太及东南亚等国家都有业务投资;为了拓展在中国的日用品,特授权山头劲浪日化科技有限公司为亚太区的生产基地。汕头市劲浪日化科技有限公司成立于1994年,是专业从事化妆品开发研制、生产、销售的高新日化科技企业。现拥有26000多平方米的生产基地,高素质的专业研发人员,先进的生产设备,完善的管理体系,公司秉承“以质量为基础,靠科技促发展”的经营理念,增强企业的创新能力及市场的应变能力,依托合理的利润空间和科学的渠道结构,在日化领域不断开拓创新,业绩斐然,产品营销网络遍及全国。2007年“劲浪”品牌正式进入市场,以“海洋活性精华”为品牌理念,公司做了精心的策划,准确的市场定位,主流媒体的广告传播,特邀河南卫视“梨园春”节目主持人庞晓戈为劲浪品牌代言人,为切入市场做出务实的第一步。美国劲浪高档的品牌形象,大众化的价格,真诚携手全国业务经营共创辉煌事业!14 汕头市劲浪日化科技有限公司 汕头市潮南区胪岗劲浪工业园 洗手液 欧倩 500ml 20130514 总活性物含量 佘晓艳(巴中市巴中区中城南街中汕大厦门市)从不合格名单中看到,四批次洗涤用品“总活性物含量”项目不合格,标称 汕头市劲浪日化科技有限公司 生产的“欧倩”洗手液(500ml20130514)http://www.cqn.com.cn/news/xfpd/xfjs/qt/366769.html 品牌中文名:劲浪 品牌英文名:Focal 品牌类型:欧美品牌 品牌国籍:法国 品牌介绍:有着20多年专业音响历史的法国劲浪公司是国际扬声器制造开发领域最出色的厂家之一,其开创扬声器设计之先河的创举有:独特的双音圈,钛金属凹体半球形高音,专利Polykevlar、Polyglass、“W”三文治夹层音盆及专利12分体多磁铁式低音单元使劲浪在业界声名鹊起,并因此在国际上频频获奖。在日本,Focal劲浪产品连续三年成为COTY(年度最佳器材)大奖的唯一获奖者。而在美国,至尊乌托邦曾分别于1996年和1998年荣登《Stereophile》杂志最佳扬声器材A级榜。Focal劲浪以不断追求对音乐重放的还原和传神演绎—生动的音色而著称,成为国际各界成功人士追求Hi-End级音乐享受的首选器材。目前,向广大汽车Hi-Fi发烧友提供Focal劲浪四大系列旗舰级单元与法国原厂配件,其中就包括获得“格兰披治”音响比拼大赛双连冠军的旗舰产品的Utopia“乌托邦”系列,满足追求时个性、时尚、内涵的汽车影音发烧友的音响改装,为爱车人士提供无穷的驾驶乐趣www.zgxue.com防采集请勿采集本网。

我就废话不多说了,直接上代码吧!

所谓焦距(focal length),正是从镜头之镜片中间点到光线能清晰聚焦的那一点之间的距离。当将摄影镜头调整到无限远时,其实是一个有名无实的焦距。在设计上,是将透镜的主平面与底片或成像传感器的距离

import numpy as npimport torchimport torch.nn as nnimport torch.nn.functional as F # 支持多分类和二分类class FocalLoss(nn.Module): """ This is a implementation of Focal Loss with smooth label cross entropy supported which is proposed in 'Focal Loss for Dense Object Detection. (https://arxiv.org/abs/1708.02002)' Focal_Loss= -1*alpha*(1-pt)^gamma*log(pt) :param num_class: :param alpha: (tensor) 3D or 4D the scalar factor for this criterion :param gamma: (float,double) gamma > 0 reduces the relative loss for well-classified examples (p>0.5) putting more focus on hard misclassified example :param smooth: (float,double) smooth value when cross entropy :param balance_index: (int) balance class index, should be specific when alpha is float :param size_average: (bool, optional) By default, the losses are averaged over each loss element in the batch. """ def __init__(self, num_class, alpha=None, gamma=2, balance_index=-1, smooth=None, size_average=True): super(FocalLoss, self).__init__() self.num_class = num_class self.alpha = alpha self.gamma = gamma self.smooth = smooth self.size_average = size_average if self.alpha is None: self.alpha = torch.ones(self.num_class, 1) elif isinstance(self.alpha, (list, np.ndarray)): assert len(self.alpha) == self.num_class self.alpha = torch.FloatTensor(alpha).view(self.num_class, 1) self.alpha = self.alpha / self.alpha.sum() elif isinstance(self.alpha, float): alpha = torch.ones(self.num_class, 1) alpha = alpha * (1 - self.alpha) alpha[balance_index] = self.alpha self.alpha = alpha else: raise TypeError('Not support alpha type') if self.smooth is not None: if self.smooth < 0 or self.smooth > 1.0: raise ValueError('smooth value should be in [0,1]') def forward(self, input, target): logit = F.softmax(input, dim=1) if logit.dim() > 2: # N,C,d1,d2 -> N,C,m (m=d1*d2*...) logit = logit.view(logit.size(0), logit.size(1), -1) logit = logit.permute(0, 2, 1).contiguous() logit = logit.view(-1, logit.size(-1)) target = target.view(-1, 1) # N = input.size(0) # alpha = torch.ones(N, self.num_class) # alpha = alpha * (1 - self.alpha) # alpha = alpha.scatter_(1, target.long(), self.alpha) epsilon = 1e-10 alpha = self.alpha if alpha.device != input.device: alpha = alpha.to(input.device) idx = target.cpu().long() one_hot_key = torch.FloatTensor(target.size(0), self.num_class).zero_() one_hot_key = one_hot_key.scatter_(1, idx, 1) if one_hot_key.device != logit.device: one_hot_key = one_hot_key.to(logit.device) if self.smooth: one_hot_key = torch.clamp( one_hot_key, self.smooth, 1.0 - self.smooth) pt = (one_hot_key * logit).sum(1) + epsilon logpt = pt.log() gamma = self.gamma alpha = alpha[idx] loss = -1 * alpha * torch.pow((1 - pt), gamma) * logpt if self.size_average: loss = loss.mean() else: loss = loss.sum() return loss class BCEFocalLoss(torch.nn.Module): """ 二分类的Focalloss alpha 固定 """ def __init__(self, gamma=2, alpha=0.25, reduction='elementwise_mean'): super().__init__() self.gamma = gamma self.alpha = alpha self.reduction = reduction def forward(self, _input, target): pt = torch.sigmoid(_input) alpha = self.alpha loss = - alpha * (1 - pt) ** self.gamma * target * torch.log(pt) - \ (1 - alpha) * pt ** self.gamma * (1 - target) * torch.log(1 - pt) if self.reduction == 'elementwise_mean': loss = torch.mean(loss) elif self.reduction == 'sum': loss = torch.sum(loss) return loss

bose低音特别good

以上这篇Pytorch 实现focal_loss 多类别和二分类示例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持真格学网。

focal是法国著名音响品牌 FOCAL,中文名称劲浪,是一款扬声器品牌。于1980年初由 Jacques Mahu l在法Saint-Etienne(圣艾蒂安)创立

首先,凹透镜和凸透镜都是薄透镜,通过凹、凸透镜的光心光线传播方向不改变;其次凸透镜来讲,平行于主光轴的光线通过凸透镜折射后光线通过焦点射出,通过焦点射入凸透镜的光线折射后平行于主光轴射出;对于凹透镜来讲,平行于主光轴的光线通过凹透镜折射后光线反向延长通过虚焦点,射向凹透镜另一侧虚焦点的光线折射后平行于主光轴射出;以上是凹透镜和凸透镜的三条特殊光线,如下图扩展资料:凸透镜拥有放大作用。凸透镜二倍焦距分大小,一倍焦距分实虚正倒。将平行光线(如阳光)平行于主光轴(凸透镜两个球面的球心的连线称为此透镜的主光轴)射入凸透镜,光在透镜的两面经过两次折射后,集中e5a48de588b67a686964616f31333431353330在轴上的一点,此点叫做凸透镜的焦点(记号为F,英文为:focal point),凸透镜在镜的两侧各有一实焦点,如为薄透镜时,此两焦点至透镜中心的距离大致相等。凸透镜之焦距是指焦点到透镜中心的距离,通常以f表示。凸透镜球面半径越小,焦距(记号为:f,英文为:focal length)越短。凸透镜可用于放大镜、老花眼及远视的人戴的眼镜、摄影机、电影放映机、幻灯机、显微镜、望远镜的透镜(lens)等。凹透镜平行光线通过凹球面透镜发生偏折后,光线发散,成为发散光线,不可能形成实性焦点,沿着散开光线的反向延长线,在投射光线的同一侧交于F点,形成的是一虚焦点。凹透镜成像的几何作图与凸透镜者原则相同。从物体的顶端亦作为两条直线:一条平行于主光轴,经过凹透镜后偏折为发散光线,将此折射光线相反方向返回至主焦点;另一条通过透镜的光学中心点,这两条直线相交于一点,此为物体的像。参考资料来源:百度百科-凸透镜参考资料来源:百度百科-凹透镜内容来自www.zgxue.com请勿采集。


  • 本文相关:
  • pytorch 计算误判率,计算准确率,计算召回率的例子
  • 使用pytorch训练一个图像分类器实例
  • 使用pytorch和torchtext进行文本分类的实例
  • pytorch 实现计算分类器准确率(总分类及子分类)
  • python 的aes加密与解密实现
  • python用post访问restful服务接口的方法
  • python之用户输入的实例
  • 如何使用python爬取csdn博客访问量
  • django 外键model的互相读取方法
  • python根据时间生成mongodb的objectid的方法
  • python面向对象之静态属性、类方法与静态方法分析
  • python中的逆序遍历实例
  • python 检查文件mime类型的方法
  • 带你认识django
  • 凹透镜和凸透镜的三条特殊光线怎么画图,讲解都要
  • 劲浪国际集团生产洗发水吗?
  • 结构化与非结构化程序的区别?
  • 劲浪汽车音响这个牌子的质量怎么样?
  • 焦距小好还是焦距大好
  • Focal 和 BOSE 选哪个
  • focal是哪个国家的牌子
  • FOCAL是做什么的
  • 请问FOCAL这个是什么东西?
  • FOCAL有假的吗
  • 网站首页网页制作脚本下载服务器操作系统网站运营平面设计媒体动画电脑基础硬件教程网络安全vbsdos/bathtahtcpythonperl游戏相关vba远程脚本coldfusionruby专题autoitseraphzonepowershelllinux shellluagolangerlang其它首页pythonpytorch 计算误判率,计算准确率,计算召回率的例子使用pytorch训练一个图像分类器实例使用pytorch和torchtext进行文本分类的实例pytorch 实现计算分类器准确率(总分类及子分类)python 的aes加密与解密实现python用post访问restful服务接口的方法python之用户输入的实例如何使用python爬取csdn博客访问量django 外键model的互相读取方法python根据时间生成mongodb的objectid的方法python面向对象之静态属性、类方法与静态方法分析python中的逆序遍历实例python 检查文件mime类型的方法带你认识djangopython入门教程 超详细1小时学会python 列表(list)操作方法详解python 元组(tuple)操作详解python 字典(dictionary)操作详解pycharm 使用心得(一)安装和首python strip()函数 介绍python 中文乱码问题深入分析python科学计算环境推荐——anacpython逐行读取文件内容的三种方python中使用xlrd、xlwt操作excepython中logging库的使用总结python 取numpy数组的某几行某几列方法python中用ctrl+c终止多线程程序的问题解教你用type hint提高python程序开发效率python提示no module named images的解决利用python画一颗心的方法示例python将.ppm格式图片转换成.jpg格式文件python标准模块--contextmanager上下文管python实现清屏的方法python的django中django-userena组件的简
    免责声明 - 关于我们 - 联系我们 - 广告联系 - 友情链接 - 帮助中心 - 频道导航
    Copyright © 2017 www.zgxue.com All Rights Reserved