forked from huawei/mindspore2022
35 lines
1.2 KiB
ReStructuredText
35 lines
1.2 KiB
ReStructuredText
mindspore.nn.DiceLoss
|
||
======================
|
||
|
||
.. py:class:: mindspore.nn.DiceLoss(smooth=1e-5)
|
||
|
||
Dice系数是一个集合相似性loss,用于计算两个样本之间的相似性。当分割结果最好时，Dice系数的值为1，当分割结果最差时，Dice系数的值为0。
|
||
|
||
Dice系数表示两个对象之间的面积与总面积的比率。
|
||
函数如下：
|
||
|
||
.. math::
|
||
dice = 1 - \frac{2 * |pred \bigcap true|}{|pred| + |true| + smooth}
|
||
|
||
:math:`pred` 表示 `logits` ， :math:`true` 表示 `labels` 。
|
||
|
||
**参数：**
|
||
|
||
- **smooth** (float) - 将添加到分母中，以提高数值稳定性的参数。取值大于0。默认值：1e-5。
|
||
|
||
**输入：**
|
||
|
||
- **logits** (Tensor) - 输入预测值，任意维度的Tensor。数据类型必须为float16或float32。
|
||
- **labels** (Tensor) - 输入目标值，任意维度的Tensor，一般与 `logits` 的shape相同。 数据类型必须为float16或float32。
|
||
|
||
**输出：**
|
||
|
||
Tensor，shape为每样本采样的Dice系数的Tensor。
|
||
|
||
**异常：**
|
||
|
||
- **ValueError** - `logits` 的维度与 `labels` 不同。
|
||
- **TypeError** - `logits` 或 `labels` 的类型不是Tensor。
|
||
|
||
|
||
|