Parameter

• loss_type — Salah satu dari LOSSTYPES, None memilih ‘bce’ untuk multi-label dan ‘ce’ untuk target single-label. ‘ce’: softmax cross-entropy (varian label smoothing / soft target sesuai kebutuhan), ‘bce’: binary cross-entropy (bce args), ‘asl’: Asymmetric Loss, AsymmetricLossMultiLabel untuk target multi-label, selain itu softmax AsymmetricLossSingleLabel, hanya target indeks kelas, tanpa Mixup/CutMix (asl_ args), ‘poly’: Poly-1 loss, PolyBinaryCrossEntropy (sigmoid) untuk target multi-label, selain itu softmax PolyCrossEntropy (poly* args), ‘jsd’: Jensen-Shannon divergence + CE atas split augmentasi, single-label (jsd_splits), ‘twoway’: Two-way loss, hanya target multi-label biner (twoway args), ‘zlpr’: ZLPR loss, hanya target multi-label biner, ‘db’: Distribution-Balanced loss, multi-label (classcounts, num_samples, db args).
• multi_label — Target adalah label biner independen yang padat dengan bentuk (B, C).
• smoothing — Faktor label smoothing. Diabaikan ketika soft_targets disetel, karena Mixup/CutMix sudah menerapkannya saat menghasilkan soft targets.
• soft_targets — Target tiba sebagai distribusi lunak padat dari Mixup/CutMix, bukan indeks kelas.
• class_weight — Bobot loss per kelas, satu nilai tunggal atau satu nilai untuk setiap kelas (‘bce’ dan ‘asl’ multi-label).
• pos_weight — Bobot istilah positif, satu nilai atau satu per kelas (‘bce’ dan ‘asl’ multi-label).
• bce_target_thresh — Membinarkan target lunak di atas nilai ini (hanya ‘bce’).
• bce_sum — Jumlahkan loss di seluruh kelas sebelum dirata-ratakan di batch (hanya ‘bce’).
• asl_gamma_pos — Parameter fokus untuk target positif (hanya ‘asl’).
• asl_gamma_neg — Parameter fokus untuk target negatif (hanya ‘asl’).
• asl_clip — Margin probabilitas yang digeser ke negatif, None atau 0 menonaktifkan (hanya untuk ‘asl’ multi-label).
• asl_reduction — ‘batchmean’ (jumlah atas kelas, rata-rata atas batch), ‘sum’ (ASL asli), atau ‘mean’ (hanya untuk ‘asl’ multi-label, ASL single-label selalu menggunakan ‘batchmean’).
• poly_epsilon — Koefisien Poly-1, 0 mengurangi menjadi CE / BCE (hanya ‘poly’).
• poly_gamma — Parameter fokus, 0 menonaktifkan istilah fokus (hanya ‘poly’ multi-label).
• poly_alpha — Bobot keseimbangan positif/negatif, None menonaktifkannya (hanya untuk ‘poly’ multi-label).
• jsd_splits — Jumlah split augmentasi, harus > 1 (hanya ‘jsd’).
• twoway_tp — Suhu logit positif (hanya ‘twoway’).
• twoway_tn — Suhu logit negatif (hanya ‘twoway’).
• class_counts — Jumlah sampel pelatihan positif per kelas (hanya ‘db’).
• num_samples — Jumlah sampel pelatihan yang menjadi dasar perhitungan class_counts (hanya untuk ‘db’).
• db_neg_scale — Skala logit yang toleran terhadap nilai negatif, 1 untuk menonaktifkan (hanya ‘db’).
• db_init_bias — Faktor pergeseran logit prior kelas, 0 untuk menonaktifkan (hanya ‘db’).
• db_focal_gamma — Parameter fokus, 0 menonaktifkan istilah fokus (hanya ‘db’).

Parameter

• pos_counts — Jumlah sampel positif per kelas (frekuensi kelas untuk target single-label).
• num_samples — Jumlah sampel yang digunakan untuk mengambil hitungan.
• method — Salah satu ‘neg_pos’: pos_weight = (negatives / positives) power, menyeimbangkan istilah positif dan negatif dari setiap kelas, ‘inv_freq’: class_weight proporsional terhadap (num_samples / positives) power, rata-rata 1, ‘effective_num’: class_weight seimbang kelas dari jumlah sampel efektif (1 - beta ** n) / (1 - beta), https://arxiv.org/abs/1901.05555, rata-rata 1.
• power — Eksponen untuk ‘neg_pos’ dan ‘inv_freq’, 0.5 memberikan re-weighting yang lebih lembut (akar kuadrat).
• beta — Hyperparameter jumlah efektif untuk ‘effective_num’.
• max_weight — Batas yang diterapkan pada bobot akhir.

Parameter

• path — file JSON dengan entri ‘pos_counts’ dan ‘num_samples’. None atau string kosong mengembalikan None.

Parameter

• value — Nilai bobot, daftar, atau path. None atau string kosong mengembalikan None.
• key — Entri untuk dibaca dari objek JSON, misalnya ‘pos_weight’ atau ‘class_weight’.

Parameter

• value — Metode dalam CLASS_WEIGHT_METHODS, atau bobot eksplisit untuk load_class_weights().
• kind — Argumen loss yang sedang dipecahkan, ‘pos_weight’ atau ‘class_weight’.
• class_stats — (counts, num_samples) dari load_class_stats(), diperlukan untuk nama metode.
• power — Lihat compute_class_weights().
• beta — Lihat compute_class_weights().
• max_weight — Lihat compute_class_weights().

Parameter

• epsilon — Koefisien Poly-1, 0 adalah cross-entropy biasa.
• smoothing — Label smoothing yang diterapkan pada target indeks kelas. Target padat diasumsikan telah dilunakkan di hulu (misalnya oleh Mixup/CutMix).
• reduction — ‘mean’ atau ‘sum’ pada batch, atau ‘none’ untuk kerugian per sampel.

Parameter

• smoothing — Label smoothing yang diterapkan saat melakukan one-hot encoding pada target indeks. Target dense diasumsikan telah dihaluskan di hulu (misalnya oleh Mixup/CutMix) kecuali smooth_dense disetel.
• target_threshold — Membinarisasi (soft) target di atas nilai ini.
• weight — Bobat penskalaan ulang per kelas.
• reduction — Reduksi loss.
• sum_classes — Jumlahkan loss di atas kelas sebelum dirata-ratakan di atas batch.
• pos_weight — Bobot kelas positif.
• smooth_dense — Terapkan juga smoothing pada target yang sudah cocok dengan bentuk logit (multi-label), menggeser setiap target biner menuju 0,5.

Parameter

• gamma_neg — Parameter fokus untuk target negatif.
• gamma_pos — Parameter fokus untuk target positif.
• clip — Margin probabilitas yang digeser ke negatif (pemotongan asimetris), dinonaktifkan jika None atau 0.
• eps — Probabilitas minimum yang di-clamp sebelum log.
• disable_torch_grad_focal_loss — Jangan lakukan backprop melalui focusing weights.
• smoothing — Label smoothing, menggeser setiap target (dense, biner independen) ke arah 0,5.
• reduction — ‘batchmean’ menjumlahkan di atas kelas dan merata-ratakan di atas batch, ‘sum’ menjumlahkan di atas batch dan kelas (reduction ASL asli, berskala dengan ukuran batch), ‘mean’ merata-ratakan di atas batch dan kelas, ‘none’ mempertahankan loss per elemen.
• weight — Bobat penskalaan ulang per kelas.
• pos_weight — Bobot dari istilah positif, berupa satu nilai atau satu nilai per kelas.

Parameter

• epsilon — Koefisien Poly-1, 0 adalah BCE polos (atau focal loss).
• gamma — Parameter fokus, 0 menonaktifkan istilah fokus.
• alpha — Bobot keseimbangan positif/negatif, None menonaktifkannya.
• smoothing — Label smoothing, menggeser setiap target (dense, biner independen) ke arah 0,5.
• reduction — ‘mean’ merata-ratakan atas batch dan kelas (seperti BCE), ‘batchmean’ menjumlahkan atas kelas dan merata-ratakan atas batch, ‘sum’ menjumlahkan keduanya, ‘none’ mempertahankan loss per elemen.

Parameter

• class_counts — Jumlah sampel positif per kelas pada set pelatihan.
• num_samples — Jumlah sampel pelatihan yang digunakan untuk menghitung jumlah tersebut.
• map_alpha — Bobot minimum dari peta re-balancing.
• map_beta — Skala dari peta re-balance.
• map_mu — Ambang batas peta re-balance.
• neg_scale — Skala logit negatif (lambda), 1 menonaktifkan penskalaan toleran-negatif.
• init_bias — Faktor pergeseran logit prior kelas (kappa), 0 menonaktifkannya.
• focal_gamma — Parameter fokus, 0 menonaktifkan istilah fokus (dan focal_balance).
• focal_balance — Skala konstan dari focal loss.
• smoothing — Label smoothing, menggeser setiap target ke arah 0,5.
• reduction — ‘mean’ merata-ratakan atas batch dan kelas (skala referensi), ‘batchmean’ menjumlahkan atas kelas dan merata-ratakan atas batch, ‘sum’ menjumlahkan keduanya, ‘none’ mempertahankan loss per elemen.

Parameter

• tp — Suhu soft-min pada logit positif.
• tn — Suhu soft-max pada logit negatif.