大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
1.应用
import torch
import torch.nn as nn
loss = nn.MSELoss()
input = torch.tensor([1.0,1.0], requires_grad=True)
target = torch.tensor([7.0,9.0])
output = loss(input, target) # 50
output.backward()
2.概念
API
类
mean squared error (squared L2 norm)
CLASS torch.nn.MSELoss(size_average=None, reduce=None, reduction: str = 'mean')
| 参数 | 描述 |
|---|---|
| reduction (string, optional) | 默认为’mean’。‘mean’：求和取平均；‘sum’：只求和。 |
实例
| 参数 | 描述 |
|---|---|
| Input: (N, *) | where *∗ means, any number of additional dimensions |
| Target: (N, *) | same shape as the input |
参考：
https://pytorch.org/docs/stable/generated/torch.nn.MSELoss.html?highlight=mseloss#torch.nn.MSELoss
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， 请联系我们举报，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/193067.html原文链接：https://javaforall.net
