MSELoss

类torch.nn.MSELoss(size_average=None, reduce=None, reduction='mean')[源代码]

创建一个用于衡量输入$x$和目标$y$之间均方误差（即平方L2范数）的标准。

当reduction设置为'none'时，损失可以描述为未减少的：

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

其中$N$ 表示批量大小。如果reduction 不是'none'（默认为'mean'），则：

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

$x$ 和 $y$ 是具有任意形状的张量，每个张量包含总共$N$个元素。

求平均值的操作仍然是对所有元素进行计算，并除以$N$。

设置reduction = 'sum'可以避免除以$N$。

参数

• size_average (bool, optional) – 已弃用（请参见reduction）。默认情况下，损失值会在批次中的每个损失元素上进行平均计算。需要注意的是，对于某些损失函数，每个样本包含多个损失元素。如果将字段 size_average 设置为 False，则损失值会针对每个小批量求和。当reduce 为 False时，此设置会被忽略。默认值： True

• reduce (bool, optional) – 已弃用（请参见reduction）。默认情况下，损失值会根据size_average参数在每个小批量中进行平均或求和。当reduce为False时，返回每批元素的单独损失值，并忽略size_average设置。默认值：True

• reduction (str, 可选) – 指定要应用于输出的缩减方式：'none' | 'mean' | 'sum'。
  'none': 不进行任何缩减，'mean': 输出总和除以元素数量，'sum': 对输出求和。注意：size_average 和 reduce 正在被弃用，在此期间，指定这两个参数中的任何一个将覆盖 reduction 参数。默认值： 'mean'

形状:

• 输入: $(*)$，其中$*$表示任意维度的数量。

• 目标: $(*)$，形状与输入相同。

示例:

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