torch.nn.MSELoss

最新推荐文章于 2025-03-18 11:02:46 发布

那里，春暖花开

最新推荐文章于 2025-03-18 11:02:46 发布

阅读量785

点赞数

分类专栏：损失函数文章标签： pytorch

本文链接：https://blog.youkuaiyun.com/qq_37025073/article/details/107283848

版权

损失函数专栏收录该内容

1 篇文章

订阅专栏

如果 reduce = False，那么 size_average 参数失效，直接返回向量形式的 loss
如果 reduce = True，那么 loss 返回的是标量。如果size_average为True,则除以参与计算loss的元素个数N，即取平均值；如果size_average为False，则为loss的总和，不除以N。
reduce和size_average的默认值为True

目前建议使用reduction参数，reduction的值可为mean,sum,none。默认值为mean。

    import torch
    import numpy as np

    # loss_fn = torch.nn.MSELoss(reduce=False, size_average=False)    #直接返回向量形式的 loss
    # loss_fn = torch.nn.MSELoss(reduce=False, size_average=True)   #直接返回向量形式的 loss
    # loss_fn = torch.nn.MSELoss(reduce=True, size_average=False)   #取向量总和 sum
    # loss_fn = torch.nn.MSELoss(reduce=True, size_average=True)    #取平均 mean
    # loss_fn = torch.nn.MSELoss()   #取平均 mean
    # loss_fn = torch.nn.MSELoss(reduce=False) # 直接返回向量形式的 loss

    # loss_fn = torch.nn.MSELoss(reduction= 'mean') #取平均 mean
    # loss_fn = torch.nn.MSELoss(reduction= 'sum') #取向量总和 sum
    loss_fn = torch.nn.MSELoss(reduction= 'none')  #直接返回向量形式的 loss

    a = np.array([[1, 2], [3, 4]])
    b = np.array([[2, 3], [4, 5]])
    input = torch.autograd.Variable(torch.from_numpy(a))
    target = torch.autograd.Variable(torch.from_numpy(b))
    print(input, target)
    loss = loss_fn(input.float(), target.float())
    print(loss)