Hàm Focal Loss xử lý mất cân bằng dữ liệu cực đoan (Focal Loss)
Trong bài báo đoạt giải của Tsung-Yi Lin et al. (RetinaNet, ICCV 2017), hàm Focal Loss được thiết kế để giải quyết bài toán mất cân bằng lớp cực đoan (khi số lượng mẫu âm nền áp đả
Tiến độ của tôi ở bài này
Điểm và code bạn nộp được lưu vào tài khoản sau khi chấm bài.
Đang tải điểm của bạn…
Kiến thức và chủ đề
Kiến thức tiên quyết: binary-cross-entropy-with-logits.
Nội dung đề bài
Mô tả bài toán
Trong bài báo đoạt giải của Tsung-Yi Lin et al. (RetinaNet, ICCV 2017), hàm Focal Loss được thiết kế để giải quyết bài toán mất cân bằng lớp cực đoan (khi số lượng mẫu âm nền áp đảo hàng nghìn lần mẫu dương): Định nghĩa xác suất dự đoán của lớp đúng pt: pt = begin{cases} p & khi y = 1 1 - p & khi y = 0 end{cases} Hàm Focal Loss đưa vào hệ số điều chế (1 - pt)gamma với tham số gamma ≥ 0 (thường chọn gamma = 2.0): FL(pt) = - alphat (1 - pt)gamma log(pt) trong đó alphat = alpha khi y=1 và alphat = 1 - alpha khi y=0.
- Khi một mẫu dễ học có độ tin cậy cao (pt = 0.99), hệ số điều chế (1 - 0.99)2 = 0.0001, triệt tiêu 99.99% gradient của mẫu dễ!
- Khi mẫu khó học (pt = 0.5), hệ số (1 - 0.5)2 = 0.25, gradient được giữ nguyên để tập trung học.
Hãy viết hàm focal_loss(probs: np.ndarray, targets: np.ndarray, gamma: float = 2.0, alpha: float = 0.25) -> float:
- probs: mảng 1D xác suất p ∈ (0, 1) kích thước (N,).
- targets: mảng 1D nhãn nhị phân y ∈ {0, 1} cùng kích thước.
- gamma: số mũ điều chế gamma ≥ 0.
- alpha: hệ số cân bằng trọng số alpha ∈ (0, 1).
- Trả về giá trị Focal Loss trung bình dạng float.
Input
- Hàm focal_loss(probs, targets, gamma, alpha): Các tham số đầu vào chứa dữ liệu Tensor/mảng NumPy hoặc giá trị siêu tham số tương ứng.
Output
- Hàm focal_loss: Trả về kết quả kiểu float theo đúng đặc tả kỹ thuật và kích thước quy định.
Ràng buộc
- Thời gian chạy tối đa: 6000ms.
- Giới hạn bộ nhớ: 512MB.
- Dữ liệu đầu vào hợp lệ theo đúng kiểu dữ liệu và miền giá trị được mô tả.
Ví dụ 1
Input
p = np.array([0.99])
y = np.array([1.0])
fl = focal_loss(p, y, gamma=2.0, alpha=0.25)
Output
0
Giải thích
Hàm/lớp được gọi với các tham số mẫu trên và trả về kết quả số học / kích thước tensor tương ứng theo đúng thiết kế.
Ví dụ 2
Input
p = np.array([0.4, 0.8])
y = np.array([0.0, 1.0])
fl_0 = focal_loss(p, y, gamma=0.0, alpha=0.5)
Output
0.183492
Giải thích
Hàm/lớp được gọi với các tham số mẫu trên và trả về kết quả số học / kích thước tensor tương ứng theo đúng thiết kế.
Gợi ý và lời giải chỉ mở sau khi bạn bấm Nộp bài. Giáo viên và quản trị viên mở được ngay.
Góp ý & báo lỗi bài tập
Đề bài chưa rõ, test có vấn đề hay bạn có ý tưởng giúp bài tốt hơn? Gửi cho đội ngũ AI Empire nhé — mỗi góp ý đều được đọc.
