mseloss 与 smooth_l1_loss比较

最新推荐文章于 2025-05-09 20:11:06 发布

AI算法网奇

最新推荐文章于 2025-05-09 20:11:06 发布

阅读量6k

点赞数

CC 4.0 BY-SA版权

分类专栏： pytorch知识宝典深度学习宝典

本文链接：https://blog.youkuaiyun.com/jacke121/article/details/86552185

深度学习宝典同时被 2 个专栏收录

1041 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

pytorch知识宝典

512 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文探讨了MSELoss与SmoothL1Loss之间的差异，指出在误差0-1范围内，MSELoss的平方等于SmoothL1Loss，且SmoothL1Loss产生的损失更小。SmoothL1Loss在(-1,1)区间内表现为平方损失，其余情况为L1损失。通过代码示例展示了两种损失函数的使用和输出结果。" 124557721,4872111,jupyter notebook单元格详解,"['jupyter', 'python', '文档编写', '代码执行']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在0-1直接，mseloss的平方是smooth_l1_loss，smooth_l1_loss更小

import torch


import torch.nn.functional as F

conf_mask = torch.FloatTensor([3])
conf_data = torch.FloatTensor([1])

loss_fn = torch.nn.MSELoss( reduce=False, size_average=False)

x= loss_fn(conf_mask, conf_data).item()
print('-----',x)


loc_loss = F.smooth_l1_loss(conf_mask, conf_data)
print(loc_loss)

结果：

----- 4.0
tensor(1.5000)

测试代码：

import torch
import torch.nn.functional as F

conf_mask = torch.FloatTensor([0.0, 10.0, 0.0, 1.0, 1.0])
conf_data = torch.FloatTensor([10.1, 0.9, 0.0, 10.2, 10.2])

loss_fn = torch.nn.MSELoss()# reduce=False, size_average=False)

x= loss_fn(conf

了解本专栏