base_loss
最后更新
luxonis_train.attached_modules.losses.base_loss所有损失都继承的基类。类
BaseLoss
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。示例
示例损失读取节点输出的
features 键。主要值是均值,子损失 "max" 是最大值。run 只将主要值乘以 final_loss_weight。register=False 使该类不包含在 LOSSES 注册表中。Pycon
1>>> import torch
2>>> from torch import Tensor
3>>> class MeanLoss(BaseLoss, register=False):
4... def forward(
5... self, features: Tensor
6... ) -> tuple[Tensor, dict[str, Tensor]]:
7... return features.mean(), {"max": features.max()}
8>>> loss = MeanLoss(final_loss_weight=2.0)
9>>> packet = {"features": torch.tensor([1.0, 3.0])}
10>>> main, sub_losses = loss.run(packet, {})
11>>> main.item(), sub_losses["max"].item()
12(4.0, 3.0)方法
init
Python
1def __init__(final_loss_weight: float = 1.0, **kwargs):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]]:*args(Tensor | list[Tensor]): 批次的输入。实现会用命名参数替换它们。
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]]:inputs(Packet[Tensor]): 节点的输出包。labels(Labels): 批次的标签,键为<task_name>/<label>。
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。