wordpress导航菜单函数网站内容优化怎么去优化呢
Focal Loss 示例
Focal Loss公式：
在后面的例子中，我们假定 y = 1 的样本中，有两个预测值分别为(0.8, 0.4)。显然，0.8 很容易分类，0.4 很难分类。
可以看出，Focal Loss 降低了容易分类（prt = 0.8）的样本的损失占比，将更多注意力放在难的、被错误分类的样本上（p_t = 0.4）。两个值的损失值差异从约 4 倍提升到了约 37 倍（注意，损失的绝对值两者都是降低的，但是训练比较的是相对值）。
| 预测值 | CE 损失（Cross Entropy Loss） | Focal Loss（y = 2, at = 1） |
|---|---|---|
| 0.8 | 0.2231 | 0.0089 |
| 0.4 | 0.9163 | 0.3299 |
| 两者对比 | 4.11 | 36.96 |
本质：让难分类的样本的损失和容易的样本的损失比更大，增加区分度