理论部分：机器学习笔记：focal loss-CSDN博客

torchvision.ops.sigmoid_focal_loss(inputs: Tensor, targets: Tensor, alpha: float = 0.25, gamma: float = 2, reduction: str = 'none') 

inputs	每个样本的预测值
targets	与 inputs 形状相同的浮点张量 存储每个元素的二分类标签（0表示负类，1表示正类）
alpha	权重因子，范围在 (0,1) 之间，用于平衡正负样本 默认值为 0.25
gamma	调节因子1−pt​ 的指数，用于平衡简单样本与困难样本。默认值为 2。
reduction	'none'、'mean' 或 'sum'。 'none' 表示对输出不进行约简； 'mean' 表示将输出取平均； 'sum' 表示将输出求和。 默认为 'none'

当 =α=1 且 γ=0= 时，Sigmoid Focal Loss 会退化成普通的二元交叉熵损失（Binary Cross Entropy, BCE）