Torch.no_grad()影响MSE损失

本文探讨了PyTorch中MSLELoss函数的正确使用方式,指出在网络训练过程中,将网络输出与目标值颠倒输入会导致计算错误,强调了理解损失函数对称性的必要性。

相关描述

https://discuss.pytorch.org/t/torch-no-grad-affecting-outputs-loss/28595/3

今天在训练网络的时候,发现mseloss在train和test时相差了好几个量级,后来发现是因为mseloss(input,target),并不是对称的,input的应该是网络的输出,而targte是目标,如果颠倒过来,计算就是错的。

转载于:https://www.cnblogs.com/elliottzheng/p/10330019.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值