yolov8 的Loss 计算

yolov8 的 Loss 计算主要由三个组成部分：分类损失（classification loss）、边界框损失（bounding box loss）和目标置信度损失（objectness confidence loss）。

分类损失的计算使用交叉熵损失函数，用于衡量模型对每个边界框的类别预测与真实标签之间的差异。

边界框损失采用均方误差损失函数，用于衡量模型对边界框位置的预测与真实位置之间的差异。

目标置信度损失也使用均方误差损失函数，用于衡量模型对目标是否存在的预测与真实标签之间的差异。

这三个损失函数的计算分别应用于不同的层级输出，然后将它们加权求和作为最终的总损失。