label smoothing pytorch版本

標籤平滑的想法首先被提出用於訓練 Inception-v2 [26]。它將真實機率的構造改爲：python 其中ε是一個小常數，K 是標籤總數量。ide 圖 4：ImageNet 上標籤平滑效果的可視化。頂部：當增長ε時，目標類別與其它類別之間的理論差距減少。下圖：最大預測與其它類別平均值之間差距的經驗分佈。很明顯，經過標籤平滑，分佈中心處於理論值並具備較少的極端值。函數 # -*- coding

>>阅读原文<<