写一份focal loss代码

以下是 PyTorch 中的 Focal Loss 的代码实现：

import torch
import torch.nn as nn
import torch.nn.functional as F

class FocalLoss(nn.Module):
    def __init__(self, alpha=1, gamma=2, reduction='mean'):
        super(FocalLoss, self).__init__()
        self.alpha = alpha
        self.gamma = gamma
        self.reduction = reduction

    def forward(self, inputs, targets):
        BCE_loss = F.binary_cross_entropy_with_logits(inputs, targets, reduction='none')
        pt = torch.exp(-BCE_loss)
        F_loss = self.alpha * (1 - pt)**self.gamma * BCE_loss
        if self.reduction == 'mean':
            return torch.mean(F_loss)
        elif self.reduction == 'sum':
            return torch.sum(F_loss)
        else:
            return F_loss

其中，`alpha`和`gamma`是 Focal Loss 中的两个超参数，`reduction`是损失函数的降维方式，可以选择 `'mean'` 或 `'sum'`。`inputs`和`targets`分别表示模型的输出和标签。`F.binary_cross_entropy_with_logits` 是 PyTorch 自带的二分类交叉熵损失函数。这里的实现是针对二分类问题，如果是多分类问题，需要对其进行修改。