Pytorch学习笔记8. Loss Function

loss表示差异

import torch
from torch.nn import L1Loss

inputs=torch.tensor([1,2,3],dtype=torch.float32)
targets=torch.tensor([1,2,5],dtype=torch.float32)//输入inputs targets的数据

inputs=torch.reshape(inputs,(1,1,1,3))
targets=torch.reshape(targets,(1,1,1,3))//重构

loss=L1Loss()
result=loss(inputs,targets)//loss

print(result)

运行结果：

tensor(0.6667)

进程已结束，退出代码为 0

如果改为

loss=L1Loss(reduction='sum')
result=loss(inputs,targets)

运行结果就为2

此外还有MSE与交叉熵。

交叉熵概念了解。

当调用loss，可以调用它的反向传播。