Pytorch（笔记7损失函数类型）

前言

损失函数（Loss Function）：是定义在单个样本上的，是指一个样本的误差，度量模型一次预测的好坏。
代价函数（Cost Function）=成本函数=经验风险：是定义在整个训练集上的，是所有样本误差的平均，也就是所有损失函数值的平均，度量平均意义下模型预测的好坏。
目标函数（Object Function）=结构风险=经验风险+正则化项=代价函数+正则化项：是指最终需要优化的函数，一般指的是结构风险。正则化项（regularizer）=惩罚项（penalty term）。

损失函数类型

平方损失函数（Quadratic Loss Function）又称均方误差（Mean Squared Error, MSE）

一种常用的回归损失函数。它衡量的是模型预测值与真实值之差的平方的平均值。平方损失函数对于大的误差给予了更大的惩罚，这使得它成为许多回归任务中首选的损失函数之一。

平方损失函数的公式（MSE）:

import torch

# 创建一个包含从 0.0 到 4.0（包括0.0和4.0）的浮点数的一维张量 x
x = torch