tf.keras.losses.BinaryFocalCrossentropy

Вычисляет потерю фокусированной кросс-энтропии между истинными метками и прогнозами.

Унаследовано от: Loss

tf.keras.losses.BinaryFocalCrossentropy(
    gamma=2.0,
    from_logits=False,
    label_smoothing=0.0,
    axis=-1,
    reduction=losses_utils.ReductionV2.AUTO,
    name='binary_focal_crossentropy'
)

Потеря бинарной кросс-энтропии часто используется для задач бинарной (0 или 1) классификации. Функция потерь требует следующих входных данных:

• y_true (истинная метка): Это либо 0, либо 1.
• y_pred (предсказанное значение): Это прогноз модели, т. е. одно плавающее значение, которое представляет либо logit (т. е. значение в [-беск., +беск.] при from_logits=True) или вероятность (т. е. значение в [0., 1.] при from_logits=False).

Согласно Lin et al., 2018, полезно применять «фокусный фактор» для уменьшения значимости лёгких примеров и большего фокусирования на сложных. По умолчанию фокусный тензор вычисляется следующим образом:

focal_factor = (1 - output) ** gamma для класса 1 focal_factor = output ** gamma для класса 0, где gamma - параметр фокусировки. Когда gamma=0, эта функция эквивалентна функции потерь бинарной кросс-энтропии.

С помощью API compile():

model.compile(
  loss=tf.keras.losses.BinaryFocalCrossentropy(gamma=2.0, from_logits=True),
  ....
)

В качестве самостоятельной функции:

# Example 1: (batch_size = 1, number of samples = 4)
y_true = [0, 1, 0, 0]
y_pred = [-18.6, 0.51, 2.94, -12.8]
loss = tf.keras.losses.BinaryFocalCrossentropy(gamma=2, from_logits=True)
loss(y_true, y_pred).numpy()
0.691

# Example 2: (batch_size = 2, number of samples = 4)
y_true = [[0, 1], [0, 0]]
y_pred = [[-18.6, 0.51], [2.94, -12.8]]
# Using default 'auto'/'sum_over_batch_size' reduction type.
loss = tf.keras.losses.BinaryFocalCrossentropy(gamma=3, from_logits=True)
loss(y_true, y_pred).numpy()
0.647

# Using 'sample_weight' attribute
loss(y_true, y_pred, sample_weight=[0.8, 0.2]).numpy()
0.133

# Using 'sum' reduction` type.
loss = tf.keras.losses.BinaryFocalCrossentropy(gamma=4, from_logits=True,
    reduction=tf.keras.losses.Reduction.SUM)
loss(y_true, y_pred).numpy()
1.222

# Using 'none' reduction type.
loss = tf.keras.losses.BinaryFocalCrossentropy(gamma=5, from_logits=True,
    reduction=tf.keras.losses.Reduction.NONE)
loss(y_true, y_pred).numpy()
array([0.0017 1.1561], dtype=float32)

Методы

from_config

Просмотреть исходный код

@classmethod
from_config(
    config
)

Инициализирует экземпляр Loss из его конфигурации (выхода get_config()).

get_config

Просмотреть исходный код

get_config()

Возвращает словарь конфигурации для экземпляра Loss.

__call__

Просмотреть исходный код

__call__(
    y_true, y_pred, sample_weight=None
)

Вызывает экземпляр Loss.