本人亲测：模型不变，用别人代码中自定义的loss函数和test_smooth_l1函数真的天差地别！
选择适合的损失函数
- MSE：适用于需要显著惩罚大偏差的情况。
- MAE：适用于数据中存在异常值，并且你希望对异常值不那么敏感的情况。
- Smooth L1 Loss：适用于既有一定抗噪声能力又能对大偏差适当惩罚的情况。
最终选择Smooth L1 Loss这个损失函数
然后反向传播和optuna时，都以这个测试集中的Smooth L1 Loss作为参数，经过optuna调优，即可得到好的结果。
不合适的loss函数（自定义的myloss）预测结果：
合适的loss函数预测结果（通过下面的information开可以看出不是一个数据）：
7776
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
