为 RPN 和 R-CNN 定义损失函数
您计划训练一个同时包含 RPN 和 R-CNN 组件的目标检测模型。要开始训练，您需要分别为每个组件定义其对应的损失函数。
请回忆：RPN 组件要判断一个候选区域内是否存在目标，并预测该候选区域的边界框坐标。R-CNN 组件需要将目标分类到多个类别之一，同时预测最终的边界框坐标。
已导入 torch、torch.nn 并命名为 nn。
本练习是课程的一部分
使用 PyTorch 进行图像深度学习
练习说明
- 定义 RPN 的分类损失函数，并将其赋给
rpn_cls_criterion。 - 定义 RPN 的回归损失函数，并将其赋给
rpn_reg_criterion。 - 定义 R-CNN 的分类损失函数，并将其赋给
rcnn_cls_criterion。 - 定义 R-CNN 的回归损失函数，并将其赋给
rcnn_reg_criterion。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Implement the RPN classification loss function
rpn_cls_criterion = ____
# Implement the RPN regression loss function
rpn_reg_criterion = ____
# Implement the R-CNN classification Loss function
rcnn_cls_criterion = ____
# Implement the R-CNN regression loss function
rcnn_reg_criterion = ____