当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python PyTorch L1Loss用法及代码示例


本文简要介绍python语言中 torch.nn.L1Loss 的用法。

用法:

class torch.nn.L1Loss(size_average=None, reduce=None, reduction='mean')

参数

  • size_average(bool,可选的) -已弃用(请参阅reduction)。默认情况下,损失是批次中每个损失元素的平均值。请注意,对于某些损失,每个样本有多个元素。如果字段 size_average 设置为 False ,则会对每个小批量的损失求和。当 reduceFalse 时忽略。默认值:True

  • reduce(bool,可选的) -已弃用(请参阅reduction)。默认情况下,根据 size_average 对每个小批量的观察结果进行平均或求和。当 reduceFalse 时,返回每个批次元素的损失并忽略 size_average 。默认值:True

  • reduction(string,可选的) -指定要应用于输出的缩减:'none' | 'mean' | 'sum''none' :不应用减少,'mean':输出的总和将除以输出中的元素数,'sum':输出将被求和。注意:size_averagereduce 正在被弃用,同时,指定这两个参数中的任何一个都将覆盖 reduction 。默认值:'mean'

创建一个标准,用于测量输入 和目标 中每个元素之间的平均绝对误差 (MAE)。

未减少的(即 reduction 设置为 'none' )损失可以说明为:

其中 是批量大小。如果 reduction 不是 'none' (默认 'mean' ),则:

是任意形状的张量,每个张量总共有 个元素。

求和运算仍然对所有元素进行运算,并除以

如果设置 reduction = 'sum' ,则可以避免除以

支持实值和complex-valued 输入。

形状:
  • 输入: ,其中 表示任意数量的维度。

  • 目标: ,与输入的形状相同。

  • 输出:标量。如果 reduction'none' ,那么 ,与输入的形状相同。

例子:

>>> loss = nn.L1Loss()
>>> input = torch.randn(3, 5, requires_grad=True)
>>> target = torch.randn(3, 5)
>>> output = loss(input, target)
>>> output.backward()

相关用法


注:本文由纯净天空筛选整理自pytorch.org大神的英文原创作品 torch.nn.L1Loss。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。