Python PyTorch MSELoss用法及代碼示例

本文簡要介紹python語言中 torch.nn.MSELoss 的用法。

用法:

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

參數：

• size_average(bool,可選的) -已棄用(請參閱reduction)。默認情況下，損失是批次中每個損失元素的平均值。請注意，對於某些損失，每個樣本有多個元素。如果字段 size_average 設置為 False ，則會對每個小批量的損失求和。當 reduce 為 False 時忽略。默認值：True

• reduce(bool,可選的) -已棄用(請參閱reduction)。默認情況下，根據 size_average 對每個小批量的觀察結果進行平均或求和。當 reduce 是 False 時，返回每個批次元素的損失並忽略 size_average 。默認值：True

• reduction(string,可選的) -指定要應用於輸出的縮減：'none' | 'mean' | 'sum' 。 'none' ：不應用減少，'mean'：輸出的總和將除以輸出中的元素數，'sum'：輸出將被求和。注意：size_average 和 reduce 正在被棄用，同時，指定這兩個參數中的任何一個都將覆蓋 reduction 。默認值：'mean'

創建一個標準，用於測量輸入 x 和目標 y 中每個元素之間的均方誤差(平方 L2 範數)。

未減少的(即 reduction 設置為 'none' )損失可以說明為：

\ell(x, y) = L = \{l_1,\dots,l_N\}^\top, \quad l_n = \left( x_n - y_n \right)^2,

其中N 是批量大小。如果 reduction 不是 'none' (默認 'mean' )，則：

\ell(x, y) = \begin{cases} \operatorname{mean}(L), & \text{if reduction} = \text{`mean';}\\ \operatorname{sum}(L), & \text{if reduction} = \text{`sum'.} \end{cases}

x 和 y 是任意形狀的張量，每個張量總共有 n 個元素。

平均操作仍然對所有元素進行操作，並除以 n 。

如果設置 reduction = 'sum' ，則可以避免除以 n 。

形狀：

• 輸入： (*) ，其中 * 表示任意數量的維度。

• 目標：(*)，與輸入的形狀相同。

例子：

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