pytorch损失函数详解

目录

• nn.L1loss
• nn.CrossEntropyLoss
• nn.MSELoss
• nn.BCELoss

nn.L1loss:

两者绝对值作差，然后求和平均loss(x,y)=1/n∑ \sum∑ |x_i-y_i|

crite = torch.nn.L1Loss()
loss = crite(output, target)

nn.CrossEntropyLoss:

这是交叉熵损失函数，常用于分类函数。主要是判断实际输出与期望输出的接近程度。
熵： 是用来衡量混乱程度的表示，代表一个样本中信息量的总和。信息量总和越大，样本的不确定性就越大。