MSELoss

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

建立一個標準，用於衡量輸入 $x$ 和目標 $y$ 之間每個元素的平均平方誤差（平方 L2 範數）。

未約簡的（即 reduction 設定為 'none'）損失可以描述為

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

其中 $N$ 是批次大小。如果 reduction 不是 'none' (預設為 '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、總共包含 $N$ 個元素的張量。

均值操作仍然作用於所有元素，併除以 $N$。

可以透過將 reduction = 'sum' 來避免除以 $N$。

引數

• size_average (bool, optional) – 已棄用 (參見 reduction)。預設情況下，損失值在批次中的每個損失元素上取平均值。請注意，對於某些損失，每個樣本有多個元素。如果欄位 size_average 設定為 False，則損失值在每個小批次中而是求和。當 reduce 為 False 時忽略。預設值：True

• reduce (bool, optional) – 已棄用 (參見 reduction)。預設情況下，損失值在每個小批次中根據 size_average 對觀測值進行平均或求和。當 reduce 為 False 時，返回每個批次元素的損失值，並忽略 size_average。預設值：True

• reduction (str, optional) – 指定應用於輸出的歸約方式：'none' | 'mean' | 'sum'。'none'：不進行歸約；'mean'：輸出的總和將除以輸出中的元素數量；'sum'：輸出將被求和。注意：size_average 和 reduce 正在被棄用，在此期間，指定其中任何一個引數將覆蓋 reduction。預設值：'mean'

形狀

• 輸入： $(*)$，其中 $*$ 表示任意數量的維度。

• 目標：$(*)$，與輸入形狀相同。

示例

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

forward(input, target)

執行前向傳播。

返回型別

張量