pytorch 损失函数（前）

在盘点常见损失函数之前，有必要先说一下在很多的损失函数中都出现的三个参数，也即size_average,reduce以及reduction，并且它们三个之间还存在一定的关系。

• size_average：bool类型；默认情况下，如果只有一个batch，每个batch有多个元素，那么误差计算结果是这个batch中多个元素的平均值；如果是有多个batch，然后每个batch有多个元素，那么误差计算的结果是将每个batch的平均值放到一块再求多个batch的平均值；如果把这个参数设置为False,那么只需要将计算平均值换成计算和即可，其他完全一样；默认该参数值为True；但是如果 reduce参数被指定为False，那么这个参数将被忽略，也即不起作用。

• reduce：bool类型；默认情况下，计算结果的形式会由size_average来决定，要么是求平均值，要么是求和，也即返回的是标量；但是如果 reduce参数被设置成False，那么既不求平均，也不求和，而是把每个batch，batch的每个元素的计算结果直接列出来，也即返回的是个向量，这个向量的形状和batch的个数以及每个batch里元素的个数是有关系的。默认该值是True。

• reduction：可以有三种取值，“none”,“mean”,“sum”，默认值是"mean"。如果你理解了对前面两个参数的解释，那么这里就很容易理解。如果是"none"，则既求平均，也不求和，返回的是向量；如果是"mean"，则计算的是平均值；如果是"sum"，则计算的是和；并且后两者返回的是标量。这里所说的求平均和求和与上面两个参数中所说的一模一样。