pytorch中正确使用损失函数nn.MSELoss

函数参数有reduce和size_average,类型为布尔类型。因为损失函数一般都是计算一个batch的数据,所以返回的结果都是维度为(batchsize, )的向量。

1.如果reduce=false,size_average参数失效,直接返回向量形式的loss。

2.如果reduce=true,那么loss返回的是标量

size_average=true,返回的是loss.mean()

size_average=false,返回的是loss.sum()

注意:默认情况下, reduce = True,size_average = True

import torch
import numpy as np

# 返回向量
mse_loss = torch.nn.MSELoss(reduce=False, size_average=False)

v1 = np.array([[1, 2], [3, 4]])
v2 = np.array([[2, 3], [4, 5]])

input1 = torch.autograd.Variable(torch.from_numpy(v1))
target1 = torch.autograd.Variable(torch.from_numpy(v2))

loss = mse_loss(input1.float(), target1.float())
print(loss)

# 返回平均值
v3 = np.array([[1, 2], [3, 4]])
v4 = np.array([[2, 3], [4, 4]])

mse_loss = torch.nn.MSELoss(reduce=True, size_average=False)

input2 = torch.autograd.Variable(torch.from_numpy(v3))
target2 = torch.autograd.Variable(torch.from_numpy(v4))

loss = mse_loss(input2.float(), target2.float())
print(loss)
tensor([[1., 1.],
        [1., 1.]])

tensor(3.)

 

  • 8
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
nn.MSELoss函数是用于计算均方误差(Mean Squared Error)的函数。在深度学习,该函数通常用于评估模型输出与目标值之间的差异。具体来说,该函数计算输入和目标之间每个元素差值的平方,并求取这些平方值的均值作为损失值。 该函数的使用方法如下: ``` import torch loss_function = torch.nn.MSELoss(reduction='mean') loss = loss_function(input, target) ``` 其,input和target分别是MSELoss的两个输入,reduction参数指定了计算损失的方式,这里使用了默认值'mean',表示计算均值作为损失值。 需要注意的是,使用该函数时,一般只需要将reduction参数设置为'mean',而其他参数无需调整。此外,该函数是逐元素计算的,即对输入和目标的每个元素进行损失计算,并返回一个标量作为最终的损失值。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [详解Pytorch的torch.nn.MSELoss函,包括对每个参数的分析!](https://blog.csdn.net/qq_40968179/article/details/128260036)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [深度学习常用的损失函数(一) —— MSELoss()](https://blog.csdn.net/weixin_44558721/article/details/127396925)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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
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