PyTorch深度学习笔记（十五）损失函数与反向传播

最新推荐文章于 2024-07-11 20:21:32 发布

小于同学饿了

最新推荐文章于 2024-07-11 20:21:32 发布

阅读量738

点赞数

分类专栏： PyTorch 文章标签： pytorch 深度学习 python

本文为博主原创文章，未经博主允许不得用于商业用途，转载请注明出处，否则保留追究法律责任的权利。

本文链接：https://blog.youkuaiyun.com/weixin_44227733/article/details/122987248

版权

课程学习笔记，课程链接

import torch
from torch import nn
from torch.nn import L1Loss, MSELoss

inputs = torch.tensor([1, 2, 3], dtype=torch.float32)
targets = torch.tensor([1, 2, 5], dtype=torch.float32)

inputs = torch.reshape(inputs, (1, 1, 1, 3))
targets = torch.reshape(targets, (1, 1, 1, 3))

loss = L1Loss(reduction='sum')
result = loss(inputs, targets)

loss_mse = MSELoss()
result_mse = loss_mse(inputs, targets)

print(result)
print(result_mse)

# 交叉熵
x = torch.tensor([0.1, 0.2, 0.3])
y = torch.tensor([1])
x = torch.reshape(x, (1, 3))
loss_cross = nn.CrossEntropyLoss()
res