摘要：
`Focal Loss`是为了处理样本不平衡问题而提出的，经时间验证，在多种任务上，效果还是不错的。在理解`Focal Loss`前，需要先深刻理一下交叉熵损失，和带权重的交叉熵损失。然后我们从样本权重的角度出发，理解`Focal Loss`是如何分配样本权重的。Focal是动词Focus的形容词形式，那么它究竟Focus在什么地方呢？(详细的代码请看[Gitee](https://gitee.com/edata-code/DeepLearning-MachineLearning-Note/tree/master/FocalLoss))。 阅读全文
`Focal Loss`是为了处理样本不平衡问题而提出的，经时间验证，在多种任务上，效果还是不错的。在理解`Focal Loss`前，需要先深刻理一下交叉熵损失，和带权重的交叉熵损失。然后我们从样本权重的角度出发，理解`Focal Loss`是如何分配样本权重的。Focal是动词Focus的形容词形式，那么它究竟Focus在什么地方呢？(详细的代码请看[Gitee](https://gitee.com/edata-code/DeepLearning-MachineLearning-Note/tree/master/FocalLoss))。 阅读全文