Pytorch loss: SmoothL1Loss

本文深入解析Huberloss,即SmoothL1loss,一种在异常点处理上优于MSE的损失函数,有效避免梯度爆炸。在Pytorch中,通过torch.nn.SmoothL1Loss实现,适用于任意维度的Tensor数据。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Huber loss也就是通常所说的SmoothL1 loss:

SmoothL1对于异常点的敏感性不如MSE,而且,在某些情况下防止了梯度爆炸。在Pytorch中实现的SmoothL1损失是torch.nn.SmoothL1Loss, x和y可以是任何包含n个元素的Tensor,默认求均值。

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