L1损失（MAE）、L2损失（MSE）

均绝对误差(L1 Loss)

均绝对误差（Mean Absolute Error,MAE) 是指模型预测值f(x)和真实值y之间距离的均值，其公式如下：

忽略下标i ，设n=1，以f(x)−y为横轴，MAE的值为纵轴，得到函数的图形如下：

MAE曲线连续，但是在y−f(x)=0处不可导。而且 MAE 大部分情况下梯度都是相等的，这意味着即使对于小的损失值，其梯度也是大的。这不利于函数的收敛和模型的学习。但是，无论对于什么样的输入值，都有着稳定的梯度，不会导致梯度爆炸问题，具有较为稳健性的解。

相比于MSE，MAE有个优点就是，对于离群点不那么敏感。因为MAE计算的是误差y−f(x)的绝对值，对于任意大小的差值，其惩罚都是固定的。

针对上面带有离群点的数据，MAE的效果要好于MSE。

显然，使用 MAE 损失函数，受离群点的影响较小，拟合直线能够较好地表征正常数据的分布情况。

均方误差MSE (L2 Loss)

概念：

均方误差（Mean Square Error,MSE）是模型预测值f(x) 与真实样本值y 之间差值平方的均值，其公式如下

其中，yi和f(xi)分别表示第i个样本的真实值及其对应的预测值，n为样本的个数。

忽略下标i ，设n=1，以f(x)−y为横轴，MSE的值为纵轴，得到函数的图形如下：

MSE的函数曲线光滑、连续，处处可导，便于使用梯度下降算法，是一种常用的损失函数。 而且，随着误差的减小，梯度也在减小，这有利于收敛，即使使用固定的学习速率，也能较快的收敛到最小值。

当y和f(x)也就是真实值和预测值的差值大于1时，会放大误差；而当差值小于1时，则会缩小误差，这是平方运算决定的。MSE对于较大的误差（>1）给予较大的惩罚，较小的误差（<1）给予较小的惩罚。也就是说，对离群点比较敏感，受其影响较大。

如果样本中存在离群点，MSE会给离群点更高的权重，这就会牺牲其他正常点数据的预测效果，最终降低整体的模型性能。 如下图：

可见，使用 MSE 损失函数，受离群点的影响较大，虽然样本中只有 5 个离群点，但是拟合的直线还是比较偏向于离群点。

代码实现方式：

MSELoss — PyTorch 2.2 documentation

loss = torch.nn.functional.mse_loss(target, pred, reduction='none')

参数：target（真实值）、pred（预测值）、reduction，这个参数决定了损失计算输出的最终形式。 

reduction 参数接受以下三个值之一：

• 'none'：不进行任何降维或聚合操作。如果输入target和pred的形状是(n, *)，其中n是批量大小，*代表任意数量的额外维度，则输出损失的形状也会是(n, *)。每个元素代表对应预测值和真实值之间的MSE损失。【例如此时你计算一个target（128,512）和pred（128,512）的MSE loss，那么这种方式的输出维度也是（128,512），相当于是对所有样本的损失单独列出】
• 'mean'：计算所有损失的平均值。这将返回一个单一的标量值，代表整个输入批次的平均MSE损失。这是最常用的形式，适用于大多数情况，因为它提供了一个单一的、简单的衡量标准来评估模型的性能。【例如此时你计算一个target（128,512）和pred（128,512）的MSE loss，那么这种方式的输出维度也是（1），相当于是对所有样本的损失的求平均】
• 'sum'：计算所有损失的总和。这同样返回一个标量，但是是通过将所有单独的损失值加总起来得到的。这种方式可能在某些特定情况下有用，例如，当你想要手动平均不同大小的批次时。【例如此时你计算一个target（128,512）和pred（128,512）的MSE loss，那么这种方式的输出维度也是（1），相当于是对所有样本的损失的求和】

MSE和MAE的选择

• 从梯度的求解以及收敛上，MSE是由于MAE的。MSE处处可导，而且梯度值也是动态变化的，能够快速的收敛；而MAE在0点处不可导，且其梯度保持不变。对于很小的损失值其梯度也很大，在深度学习中，就需要使用变化的学习率，在损失值很小时降低学习率。

• 对离群（异常）值得处理上，MAE要明显好于MSE。

如果离群点（异常值）需要被检测出来，则可以选择MSE作为损失函数；如果离群点只是当做受损的数据处理，则可以选择MAE作为损失函数。

总之，MAE作为损失函数更稳定，并且对离群值不敏感，但是其导数不连续，求解效率低。另外，在深度学习中，收敛较慢。MSE导数求解速度高，但是其对离群值敏感，不过可以将离群值的导数设为0（导数值大于某个阈值）来避免这种情况。

在某些情况下，上述两种损失函数都不能满足需求。例如，若数据中90%的样本对应的目标值为150，剩下10%在0到30之间。那么使用MAE作为损失函数的模型可能会忽视10%的异常点，而对所有样本的预测值都为150。这是因为模型会按中位数来预测。而使用MSE的模型则会给出很多介于0到30的预测值，因为模型会向异常点偏移。

这种情况下，MSE和MAE都是不可取的，简单的办法是对目标变量进行变换，或者使用别的损失函数，例如：Huber,Log-Cosh以及分位数损失等。

总结

对于大多数CNN网络，我们一般是使用L2-loss而不是L1-loss，因为L2-loss的收敛速度要比L1-loss要快得多。

对于边框预测回归问题，通常也可以选择（L2损失），但L2范数的缺点是当存在离群点（outliers)的时候，这些点会占loss的主要组成部分。比如说真实值为1，预测10次，有一次预测值为1000，其余次的预测值为1左右，显然loss值主要由1000决定。所以FastRCNN采用稍微缓和一点绝对损失函数（smooth L1损失），它是随着误差线性增长，而不是平方增长。

　　Smooth L1 和 L1 Loss 函数的区别在于，L1 Loss 在0点处导数不唯一，可能影响收敛。Smooth L1的解决办法是在 0 点附*使用平方函数使得它更加平滑。

Smooth L1的优点

• 相比于L1损失函数，可以收敛得更快。
• 相比于L2损失函数，对离群点、异常值不敏感，梯度变化相对更小，训练时不容易跑飞。

https://www.cnblogs.com/wangguchangqing/p/12021638.html

损失函数：L1 loss, L2 loss, smooth L1 loss - 知乎