focal loss代码

Focal Loss 是一种针对类别不平衡问题的损失函数，可以在训练深度学习模型时使用。下面是 Focal Loss 的代码实现（使用 PyTorch）：

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)

在上面的代码中，alpha 和 gamma 是 Focal Loss 中的两个参数，分别控制难易样本的权重和调节难易样本的焦点程度。reduction 参数表示损失函数的计算方式，可以为 'mean' 或 'sum'。在 forward 方法中，首先计算二元交叉熵损失 BCE_loss，然后计算焦点损失 F_loss。最后根据 reduction 参数返回平均损失或总损失。