Pytorch 损失函数 Mean Squared Error

洪流之源

于 2019-07-29 17:59:36 发布

阅读量1.4w

点赞数 1

分类专栏：深度学习 pytorch

本文链接：https://blog.csdn.net/weicao1990/article/details/97661564

版权

77 篇文章

订阅专栏

42 篇文章

订阅专栏

本文详细介绍了PyTorch中均方误差(MSE)损失函数的使用方法及其实现过程。通过实例演示了如何计算预测值与实际值之间的MSE，展示了MSE与L2范数的关系，并提供了完整的代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Pytorch的损失函数定义在torch.nn.functional下，可以直接使用。

Mean Squared Error(MSE)即均方误差，常用在数值型输出上:

其中θ是网络的参数，取决于使用的网络结构，例如如果只是普通的线性感知器，那么：

注意MSE和L2范数相比，L2范数是做了开平方操作的，所以如果要使用它来求MSE，最后只要.pow(2)平方一下就可以了,示例代码：

import torch

# 实际值
y = 0.2
# 预测值:采样自N~(0,1)的10个值
pred = torch.randn(10)
# 计算MSE
mse = (pred - y).norm(2).pow(2)
print(mse)

输出结果：

tensor(10.1975)