pytorch损失函数(nn.L1Loss、nn.SmoothL1Loss、nn.MSELoss 、nn.CrossEntropyLoss、nn.NLLLoss)

损失函数,是编译一个神经网络模型必须的两个参数之一,另一个是优化器。损失函数是指用于计算标签值和预测值之间差异的函数,常见的有多种损失函数可供选择,典型的有距离向量,绝对值向量等。

 

  • nn.L1Loss
L1Loss 计算方法比较简单,原理就是取预测值和真实值的绝对误差的平均数。计算公式如下
                                            
  • nn.SmoothL1Loss
nn.SmoothL1Loss计算分俩方面,当误差在 (-1,1) 上是平方损失,其他情 况是 L1 损失。计算公式如下:
 
                            
  • nn.MSELoss
nn.MSELoss:计算公式是预测值和真实值之间的平方和的平均数。
                      
  • nn.CrossEntropyLoss

交叉熵损失函数,常用于图像分类的神经网络中,计算方式如下:

 

                   

  • nn.NLLLoss

​​​​​​​负对数似然损失函数,这个损失函数一般也是用在图像识别模型上。和 nn.CrossEntropyLoss 的功能是非常相似的,通常都是用

在多分类模型中,实际应用一般用 NLLLoss 比较多。
 
                                              
 
  • 8
    点赞
  • 77
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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
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