pytorch 自定义损失函数_Day258:pytorch的nn.MSELoss损失函数

均方差损失函数

• loss, x, y 可以是向量或者矩阵，i 是下标。
• x, y 可以是向量或者矩阵，i 是下标。
• 很多的loss函数都有size_average和reduce两个布尔类型的参数。因为一般损失函数都是直接计算 batch 的数据，因此返回的loss 结果都是维度为 (batch_size, ) 的向量。(说的是一般的情况，这里返回的没有维度为(batch_size,)这种情况)

nn.MSELoss()参数介绍

• (1)如果 reduction = 'none'，直接返回向量形式的 loss
• (2)如果 reduction ≠ 'none'，那么 loss 返回的是标量

• • a)如果 reduction='mean'，返回 loss.mean(); 注意：默认情况下， reduction='mean'
  • b)如果 reduction='sum'，返回 loss.sum();

代码

import torchimport numpy as npa = np.array([[1, 2], [3, 4]])b = np.array([[2, 3], [4, 4]])inputs = torch.autograd.Variable(torch.from_numpy(a))targets = torch.autograd.Variable(torch.from_numpy(b))# ****************************************************# 1、返回向量# ****************************************************loss_fn_1 = torch.nn.MSELoss(reduction='none')# 将Variable类型统一为float()(tensor类型也是调用xxx.float())loss_1 = loss_fn_1(inputs.float(), targets.float())         print(loss_1)# ****************************************************# 2、返回平均值# ****************************************************loss_fn_2 = torch.nn.MSELoss(reduction='mean')# 将Variable类型统一为float()(tensor类型也是调用xxx.float())loss_2 = loss_fn_2(inputs.float(), targets.float())         print(loss_2)# ****************************************************# 3、默认情况下：返回平均值# ****************************************************loss_fn_3 = torch.nn.MSELoss()# 将Variable类型统一为float()(tensor类型也是调用xxx.float())loss_3 = loss_fn_3(inputs.float(), targets.float())         print('*'*30)print(loss_3)               # tensor(0.7500)print(loss_3.shape)         # torch.Size([])print(type(loss_3))         # # .item()方法 是得到一个元素张量里面的元素值，具体就是 用于将一个零维张量转换成浮点数print(loss_3.item())        # 0.75  print(type(loss_3.item()))  # print('*'*30)# *****************************************************# 4、返会求和值# *****************************************************loss_fn_4 = torch.nn.MSELoss(reduction='sum')# 将Variable类型统一为float()(tensor类型也是调用xxx.float())loss_4 = loss_fn_4(inputs.float(), targets.float())         print(loss_4)

运行结果