ddrnet 分割学习笔记

AI算法网奇

已于 2023-11-19 02:02:02 修改

阅读量840

点赞数

分类专栏：深度学习宝典文章标签：学习笔记 pytorch

于 2023-11-15 22:12:45 首次发布

本文链接：https://blog.csdn.net/jacke121/article/details/134430715

版权

深度学习宝典专栏收录该内容

981 篇文章 710 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了DDRNet在分割学习中应用Online Hard Example Mining (OHEM)损失函数，结合Cross-Entropy Loss进行深度学习模型训练。内容包括OHEM的原理以及如何在PyTorch中实现，同时讲解了如何加载预训练模型，并提供了训练自己数据的代码段。

摘要由CSDN通过智能技术生成

Online Hard Example Mining (OHEM)损失函数：

修改后可以加载预训练：

训练自己的数据代码：

Online Hard Example Mining (OHEM)损失函数：

OhemCrossEntropy指的是Online Hard Example Mining (OHEM) 和 Cross-Entropy Loss相结合的损失函数。这是一种在训练深度学习模型时用于处理样本不平衡和挑选困难样本的技术。

# ------------------------------------------------------------------------------
# Copyright (c) Microsoft
# Licensed under the MIT License.
# Written by Ke Sun (sunk@mail.ustc.edu.cn)
# ------------------------------------------------------------------------------

import torch
import torch.nn as nn
from torch.nn import functional as F
import logging
from config import config


class CrossEntropy(nn.Module):
    def __init__(self, ignore_label=-1, weight=None):
        super(CrossEntropy, self).__init__()
        self.ignore_label = ignore_label
        self.criterion = nn.CrossEntropyLoss(
            weight=weight,