pytorch中的loss函数（4）：MSELoss

1、MSELoss原理

 MSELoss计算预测值和真实值的mean squared error (squared L2 norm，均方误差) 。

若是mean：先计算预测值x与真实值y这两个tensor中的对应位置的两个元素的差的平方，得到一个新的同样大小的tensor，然后求这个tensor中所有元素的均值；

若是sum：先计算预测值x与真实值y这两个tensor中的对应位置的两个元素的差的平方，得到一个新的同样大小的tensor，然后求这个tensor中所有元素的和；
 

2、使用L1Loss进行多分类

2.1 数据源以及如何打标签

以mnist数据源为例，共有10个分类。mnist中每张图片的标签是0-9中的一个数字。

2.2 模型训练

L1Loss层前一层输出的特征图的大小必须是1*1，我们可以使用一个out_features是1的Linear层（全连接层）来实现。