PyTorch损失函数汇总

来源：pythonic生物人本文约1900字，建议阅读8分钟Tensorflow和Pytorch很多都是相似的，本文以Pytorch为例为你介绍损失函数。19种损失函数1. L1范数损失 L1Loss计算 output 和 target 之差的绝对值。torch.nn.L1Loss(reduction='mean')参数：reduction-三个值，none: 不使用约简；mean:返回loss和的平均值；sum:返回loss的和。默认：mean。2. 均方误差损失 MSELoss计算 output 和 target 之差的均方差。torch.nn.MSELoss(reduction='mean')‍参数：reduction-三个值，none: 不使用约简；mean:返回loss和的平均值；sum:返回loss的和。默认：mean。3. 交叉熵损失 CrossEntropyLoss当训练有 C 个类别的分类问题时很有效. 可选参数 weight 必须是一个1维 Tensor, 权重将被分配给各个类别. 对于不平衡的训练集非常有效。在多分类任务中，经常采用 softmax 激活函数+交叉熵损失函数，因为交叉熵描述了两个概率分布的差异，然 ………………………………