一文详解L1-loss和L2-loss(pytorch版本)

最新推荐文章于 2025-03-19 10:50:09 发布

啥都亿点点的研究生

最新推荐文章于 2025-03-19 10:50:09 发布

阅读量9.3k

点赞数

文章标签： python

本文链接：https://blog.youkuaiyun.com/lichaoqi1/article/details/123677001

版权

该篇博客介绍了在PyTorch中如何使用L1Loss和MSELoss进行损失计算。通过示例展示了L1Loss（平均绝对误差）和MSELoss（均方误差）的计算过程，包括它们在实际应用中的差异。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import torch.nn as nn
import torch
pixelwise_loss = nn.L1Loss(reduction='mean')  #平均绝对误差,L1-损失
loss2=nn.MSELoss()  #L2-损失
x1=torch.zeros([2,2])
x2=torch.ones([2,2])
x3=torch.tensor([[0.125,0.5],[0.5,0.5]])
y=pixelwise_loss(x3,x2)
print('L1Loss:',y.item())
print(((1-0.125)+0.5*3)/4)
y1=loss2(x3,x2)
print('L2Loss:',y1.item())
print(((1-0.125)**2+(0.5**2)*3)/4)