class-balanced-loss

收录理由

训练图像分类模型时，类别不均衡常常让人头疼。这个仓库是CVPR 2019同名论文中class-balanced loss的官方参考实现，它不靠手工调类别权重，而是用每类样本的有效数量来重新加权损失，处理长尾数据集时更有理论依据。代码里包含了标准CIFAR和长尾CIFAR的可运行训练与评估脚本，还提供了面向ImageNet、iNaturalist等更大规模基准的Cloud TPU流水线。源码中对损失权重、focal loss等关键实现细节都有清晰注释，方便你移植到自己的项目里。这是一个聚焦的参考代码库，不是通用框架，使用时需要自己改造代码，而不是直接当库来调用。