Class-balanced-loss-pytorch

收录理由

训练分类模型时，类别不均衡常常让人头疼，这个库选择从损失函数层面入手解决。它实现了CVPR 2019提出的类别平衡损失，核心思路是用各类别的有效样本数而非原始计数来重新加权，让稀有类别在训练中也能获得更合理的信号比重。整个实现是一个自包含的PyTorch模块，接口简洁，可以直接嵌入现有训练流程，无需改动整体结构。对于长尾识别、医学影像或其他某些类别样本稀少的场景，它提供了一个很实用的起点。作者还写了一篇Medium文章，把损失背后的数学原理讲得很清楚，动手集成之前先读一读会很有帮助。