dice_loss¶

paddle.fluid.layers. dice_loss ( input, label, epsilon=1e-05 ) [源代码] ¶

该OP用来比较预测结果跟标签之间的相似度，通常用于二值图像分割，即标签为二值，也可以做多标签的分割。

dice_loss定义为:

\[\begin{split}dice\_loss &= 1- \frac{2 * intersection\_area}{total\_rea}\\ &= \frac{(total\_area−intersection\_area)−intersection\_area}{total\_area}\\ &= \frac{union\_area−intersection\_area}{total\_area}\end{split}\]

参数:

input (Tensor) - 分类的预测概率，秩大于等于2的多维Tensor，维度为 \([N_1, N_2, ..., N_k, D]\) 。第一个维度的大小是batch_size，最后一维的大小D是类别数目。数据类型是float32或者float64
label (Tensor)- 正确的标注数据(groud truth)，与输入 input 的秩相同的Tensor，维度为 \([N_1, N_2, ..., N_k, 1]\) 。第一个维度的大小是batch_size，最后一个维度的大小是1。数据类型为int32或者int64
epsilon (float，可选) - 将会加到分子和分母上的数，浮点型的数值。如果输入和标签都为空，则确保dice为1。默认值:0.00001

返回: Tensor，shape为[batch_size, 1]，数据类型与 input 相同

代码示例

import paddle
import paddle.nn.functional as F
x = paddle.randn((3,224,224,2))
label = paddle.randint(high=2, shape=(3,224,224,1))
predictions = F.softmax(x)
loss = F.dice_loss(input=predictions, label=label)

PaddlePaddle

paddle.nn / functional / dice_loss

dice_loss¶

PaddlePaddle

paddle

paddle.amp

paddle.callbacks

paddle.compat

paddle.distributed

paddle.distribution

paddle.fluid

paddle.io

paddle.jit

paddle.metric

paddle.nn

paddle.onnx

paddle.optimizer

paddle.regularizer

paddle.static

paddle.sysconfig

paddle.text

paddle.utils

paddle.vision

paddle.nn / functional / dice_loss

dice_loss¶