Pytorch 自定义损失函数

  • 自定义HingeLoss

class MyHingeLoss(torch.nn.Module):
    # 不要忘记继承Module
    def __init__(self):
        super(MyHingeLoss, self).__init__()

    def forward(self, output, target):
        """output和target都是1-D张量,换句话说,每个样例的返回是一个标量.
        """
        hinge_loss = 1 - torch.mul(output, target)
        hinge_loss[hinge_loss < 0] = 0
        # 不要忘记返回scalar
        return torch.mean(hinge_loss)

参考:https://zhuanlan.zhihu.com/p/80827719

  • 自定义MSE损失 


class My_loss(torch.nn.Module):
    def __init__(self):
        super(My_loss, self).__init__()
    def forward(self, x, y):
        return torch.mean(torch.pow((x-y), 2))

 

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

打赏作者

DeniuHe

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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