Función de pérdida

Cómo funcionan las funciones de pérdida

Durante cada iteración de entrenamiento, el modelo procesa un lote de datos de entrenamiento y realiza predicciones. A continuación, la función de pérdida compara estas predicciones con las etiquetas verdaderas. Un valor de pérdida más alto indica una mayor discrepancia y una mayor necesidad de corrección, mientras que un valor de pérdida más bajo significa que las predicciones del modelo se acercan más a los valores reales.

Este valor de pérdida es crucial porque proporciona la señal necesaria para que el modelo aprenda. Esta señal es utilizada por un algoritmo de optimización, como el Descenso Gradiente Estocástico (SGD), para ajustar los parámetros internos del modelo, o pesos del modelo. El proceso de retropropagación calcula el gradiente de la función de pérdida con respecto a estos pesos, indicando la dirección en la que deben ajustarse los pesos para reducir la pérdida. Este proceso iterativo de cálculo de pérdidas y actualización de pesos permite al modelo converger gradualmente hacia un estado en el que puede realizar predicciones muy precisas.

Tipos comunes de funciones de pérdida

La elección de la función de pérdida depende en gran medida de la tarea específica para la que se haya diseñado el modelo. Diferentes problemas requieren diferentes formas de medir el error. Algunos tipos comunes son:

• Error cuadrático medio (ECM): Una función de pérdida popular para tareas de regresión, donde el objetivo es predecir un valor numérico continuo. Calcula la media de los cuadrados de las diferencias entre los valores predichos y los reales.
• Pérdida de entropía cruzada: muy utilizada en tareas de clasificación de imágenes. Mide el rendimiento de un modelo de clasificación cuya salida es un valor de probabilidad entre 0 y 1. Es eficaz cuando se entrenan modelos para distinguir entre varias clases, como la clasificación de imágenes en el conjunto de datos ImageNet.
• Pérdida de intersección sobre unión (IoU): Las variantes de IoU son esenciales para las tareas de detección de objetos. Estas funciones de pérdida, como GIoU, DIoU y CIoU, miden la discrepancia entre el cuadro delimitador previsto y el cuadro real. Son esenciales para entrenar detectores de objetos precisos como Ultralytics YOLO11.
• Pérdida de dados: se utiliza habitualmente en la segmentación de imágenes, especialmente en el análisis de imágenes médicas, para medir el solapamiento entre las máscaras de segmentación previstas y las reales. Resulta especialmente útil para tratar el desequilibrio de clases.

Aplicaciones reales

Las funciones de pérdida son el núcleo del entrenamiento de prácticamente todos los modelos de aprendizaje profundo.

1. Vehículos autónomos: En el desarrollo de vehículos autónomos, los modelos de detección de objetos se entrenan para identificar peatones, otros coches y señales de tráfico. Durante el entrenamiento, una función de pérdida combina múltiples componentes: una parte calcula el error al clasificar cada objeto (por ejemplo, coche frente a peatón), mientras que otra parte, a menudo una pérdida basada en IoU, calcula el error al localizar el cuadro delimitador del objeto. La minimización de esta pérdida combinada ayuda a crear modelos sólidos para una navegación segura, un componente clave de la IA en las soluciones de automoción.
2. Diagnóstico médico: en el ámbito de la IA en sanidad, se entrenan modelos como U-Net para la segmentación semántica con el fin de identificar tumores en escáneres médicos. Se utiliza una función de pérdida como Dice Loss o una combinación de Cross-Entropy y Dice Loss para comparar la máscara tumoral predicha por el modelo con la máscara anotada por un radiólogo. Al minimizar esta pérdida en un conjunto de datos de imágenes médicas, el modelo aprende a delinear con precisión las regiones patológicas, lo que ayuda a realizar diagnósticos más rápidos y precisos.

Relación con otros conceptos clave

Es importante diferenciar las funciones de pérdida de otros conceptos relacionados en el ML.

• Función de pérdida frente a métrica de evaluación: Se trata de una distinción crucial. Las funciones de pérdida se utilizan durante el entrenamiento para guiar el proceso de optimización. Deben ser diferenciables para permitir el aprendizaje basado en gradientes. Por el contrario, las métricas de evaluación como la exactitud, la precisión, la recuperación y la precisión media (mAP) se utilizan después del entrenamiento (en datos de validación o datos de prueba) para evaluar el rendimiento de un modelo en el mundo real. Aunque una pérdida menor suele correlacionarse con mejores puntuaciones en las métricas, éstas tienen propósitos diferentes. Puede obtener más información sobre las métricas de rendimiento en nuestra guía.
• Función de pérdida frente a algoritmo de optimización: La función de pérdida define el objetivo, es decir, lo que hay que minimizar. El algoritmo de optimización, como el optimizador Adam, define el mecanismo: cómo minimizar la pérdida actualizando los pesos del modelo en función de los gradientes calculados y la tasa de aprendizaje.
• Sobreajuste e infraajuste: Controlar las pérdidas en los conjuntos de entrenamiento y validación es clave para diagnosticar estos problemas comunes. Es probable que haya sobreajuste si la pérdida de entrenamiento sigue disminuyendo mientras que la pérdida de validación empieza a aumentar. La inadaptación está indicada por valores de pérdida elevados en ambos conjuntos. Estas ideas se tratan en guías como nuestros Consejos para el entrenamiento de modelos.

Entender las funciones de pérdida es esencial para cualquiera que se dedique a construir y entrenar modelos de IA. Plataformas como Ultralytics HUB eliminan gran parte de esta complejidad, gestionando automáticamente la implementación y optimización de las funciones de pérdida, lo que hace más accesible la creación de modelos avanzados de visión por ordenador (CV).