如何在交叉熵函数中添加自定义的各类别的权重呢？
收藏
数据集有11个类别，但是有的类很少，请问如何在交叉熵函数中添加自定义的各类别weight来均衡训练集呢？
# ../../../paddleseg/models/losses/cross_entropy_loss.py
class paddleseg.models.losses.CrossEntropyLoss(
weight = None,
ignore_index = 255,
top_k_percent_pixels = 1.0
data_format='NCHW')
0
收藏
请登录后评论
你看看bce是不是可以加权重？是不是可以用onehot编码？
统计各个类别的样本数，然后求所有类别的均值（包含背景），之后让均值除以每个类别的样本数，将该这些值作为权重。
例如，类别0、1、2的样本数分别为23763891、2074886和3872709，其中所有类别样本数均值为9903829。
最终的weight≈[0.42, 4.8, 2.56]。
以上，是一种不一定有效的权重设置方法。