Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
nn.MSELoss均方损失函数：
这里，loss,x,y的维度是一样的，可以是向量或者矩阵，i是下标。比如若x,y是矩阵
则x,y的均方误差计算是逐元素运算的
import torch
import torch.nn as nn
crit=nn.MSELoss()#均方损失函数
target = torch.FloatTensor([[1, 2, 3], [4, 5, 6]])
pred= torch.FloatTensor([[7, 8, 9], [8, 4, 3]])
cost=crit(pred,target)#将pred,target逐个元素求差,然后求平方,再求和,再求均值,
print(cost)#tensor(22.3333)
sum=0
for i in range (0,2):#遍历行i
for j in range(0,3):#遍历列
sum+=(target[i][j]-pred[i][j])*(target[i][j]-pred[i][j])#对应元素做差,然后平方
print(sum/6)#tensor(22.3333)
很多的loss函数都有size_average和reduce两个布尔类型的参数，因为一般损失函数都是直接计算batch的数据，因此返回的loss结果都是维度为(batch_size,)的向量。
1）如果reduce=False,那么size_average参数失效，直接返回向量形式的loss
2)如果redcue=true,那么loss返回的是标量。
2.a: if size_average=True, 返回loss.mean();#就是平均数
2.b: if size_average=False,返回loss.sum()
注意：默认情况下，reduce=true,size_average=true
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/192619.html原文链接：https://javaforall.net
