torch.nn.MSELoss的用法

LuLu-jianfeng

已于 2022-05-06 20:22:41 修改

阅读量3.4k

点赞数 2

分类专栏： PyTorch深度学习实践文章标签： pytorch 深度学习人工智能

于 2022-05-06 20:09:30 首次发布

本文链接：https://blog.csdn.net/weixin_44347925/article/details/124617635

版权

本文详细介绍了torch.nn.MSELoss的用法，包括参数设置、输入输出要求，特别强调了输入目标(target)必须是不可训练且不需要梯度的。还提到了损失函数的平均和求和方式，以及如何在batch维度上进行平均。

摘要由CSDN通过智能技术生成

CLASS torch.nn.MSELoss(size_average=None, reduce=None, reduction=mean)

torch.nn.functional.mse_loss(input, target, size_average=None, reduce=None, reduction=mean) → Tensor

参数

size_average: 默认为True, 计算一个batch中所有loss的均值；reduce为 False时，忽略这个参数；
reduce：默认为True, 计算一个batch中所有loss的均值或者和；
- reduce = False，size_average 参数失效，返回的 loss是向量，维度为 (batch_size, ) ；
- reduce = True，size_average 参数失效，返回的 loss是标量；
  - size_average = True，返回 loss.mean();
  - size_average = False，返回 loss.sum();
reduction ：‘none’ | ‘mean’ | ‘sum’，默认均值；指定size_average 和reduce参数就不使用reduction ，与之相反。