有人说,分类问题的优化过程是一个损失函数最小化的过程。那什么是损失函数呢?它是怎么计算的呢?接下来将会解决这些问题~
任务描述
掌握不同损失函数的计算方法和适用条件,根据不同的数据特征和学习算法选择最适宜的损失函数进行衡量。
本关任务:
本关提供了一个Variable 类型的变量input和变量target ,要求创建一个L1Loss损失函数,对 input 和 target应用该损失函数,从而掌握利用 L1Loss计算损失的方法。
相关知识
损失函数用来估量模型的预测值f(x)与真实值Y的不一致程度,它是一个非负实值函数,通常使用L(Y, f(x))来表示,损失函数越小,模型的鲁棒性就越好。
本关卡主要介绍三种常用的损失函数:
L1Loss
MSELoss
CrossEntropyLoss
具体内容如下所示。首先,先来看看最简单的L1Loss。
L1Loss
函数定义
torch.nn.L1Loss (size_average=True, reduce=True)
衡量输入 x和目标 y之间样本方差的平均绝对值:
参数说明
size_average(bool,可选) - 默认情况下,对每个 mini -batch的损失取平均