此页面由 AI 自动翻译。查看英文原版
最后更新

本页目录

  • 类
  • BaseLoss
Claude CodeCodexCursor
Luxonis 智能体工具包为你常用的编程智能体加载 Luxonis 上下文与技能,更快地基于 OAK 开发应用。
安装工具包
最后更新
Python API: luxonis_train.attached_modules.losses.base_loss所有损失都继承的基类。

类

BaseLoss

所有损失的基类。每个子类都会在 LOSSES 注册表中注册自己,除非其类语句传递 register=False。类语句中的 register_name 会替换类名。配置会在节点的 losses 列表中命名一个已注册的损失。子类实现 forward。BaseAttachedModule.get_parameters 描述了 run 如何从预测和标签中填充 forward 的参数。训练器在每个训练、验证和测试批次上调用 run。它将所有损失的主要值求和到总损失中。训练步骤只反向传播这个总损失。

方法

init
Python
1def __init__(final_loss_weight: float = 1.0, **kwargs):
初始化损失并存储其主要值的因子。参数
  • final_loss_weight (float): run 乘以损失主要值的因子。子损失保持未缩放。训练器在此处传递损失配置的 weight。
  • **kwargs: 转发给 BaseAttachedModule 的关键字参数,例如 node。
forward
Python
1def forward(*args: Tensor | list[Tensor]) -> Tensor | tuple[Tensor, dict[str, Tensor]]:
计算一个批次的损失。实现声明每个输入一个命名参数。run 按名称填充参数,如类文档字符串所述,并将它们作为关键字参数传递。张量是副本,因此就地更改不会影响节点输出或标签。参数
  • *args (Tensor | list[Tensor]): 批次的输入。实现会用命名参数替换它们。
返回
  • Tensor | tuple[Tensor, dict[str, Tensor]]: 损失的主要值,或主要值和子损失字典的元组。训练器仅在 trainer.log_sub_losses 为 True 时记录子损失。总损失不包括它们,因此它们不会影响梯度。
run
Python
1def run(inputs: Packet[Tensor], labels: Labels) -> Tensor | tuple[Tensor, dict[str, Tensor]]:
解析 forward 的输入并应用损失权重。BaseAttachedModule.get_parameters 记录了参数名称如何选择预测和标签。参数
  • inputs (Packet[Tensor]): 节点的输出包。
  • labels (Labels): 批次的标签,键为 <task_name>/<label>。
返回
  • Tensor | tuple[Tensor, dict[str, Tensor]]: forward 的结果,其中 final_loss_weight 应用于主要值。子损失保持未缩放。