pytorch mseloss_pytorch中文手册

pytorch mseloss_pytorch中文手册1、均方差损失函数loss,x,y可以是向量或者矩阵,i是下标。很多的loss函数都有size_average和reduce两个布尔类型的参数。因为一般损失函数都是直接计算batch的数据,因此返回的loss结果都是维度为(batch_size,)的向量。(说的是一般的情况,这里返回的没有维度为(batch_size,)这种情况)2、nn.MSELoss()参数介绍(1)如果reduction=‘none’,直接返回向量形式的loss(2)如果redu

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

1、均方差损失函数

在这里插入图片描述

  • loss, x, y 可以是向量或者矩阵,i 是下标。

  • 很多的loss函数都有size_average和reduce两个布尔类型的参数。因为一般损失函数都是直接计算 batch 的数据,因此返回的loss 结果都是维度为 (batch_size, ) 的向量。(说的是一般的情况,这里返回的没有维度为(batch_size,)这种情况)

2、nn.MSELoss()参数介绍

  • (1)如果 reduction = ‘none’,直接返回向量形式的 loss
  • (2)如果 reduction ≠ ‘none’,那么 loss 返回的是标量
      a)如果 reduction=‘mean’,返回 loss.mean(); 注意:默认情况下, reduction=‘mean’
      b)如果 reduction=‘sum’,返回 loss.sum();

3、代码

import torch
import numpy as np
a = np.array([[1, 2], [3, 4]])
b = np.array([[2, 3], [4, 4]])
inputs = torch.autograd.Variable(torch.from_numpy(a))
targets = torch.autograd.Variable(torch.from_numpy(b))
# ****************************************************
# 1、返回向量
# ****************************************************
loss_fn_1 = torch.nn.MSELoss(reduction='none')
# 将Variable类型统一为float()(tensor类型也是调用xxx.float())
loss_1 = loss_fn_1(inputs.float(), targets.float())         
print(loss_1)
# ****************************************************
# 2、返回平均值
# ****************************************************
loss_fn_2 = torch.nn.MSELoss(reduction='mean')
# 将Variable类型统一为float()(tensor类型也是调用xxx.float())
loss_2 = loss_fn_2(inputs.float(), targets.float())         
print(loss_2)
# ****************************************************
# 3、默认情况下:返回平均值
# ****************************************************
loss_fn_3 = torch.nn.MSELoss()
# 将Variable类型统一为float()(tensor类型也是调用xxx.float())
loss_3 = loss_fn_3(inputs.float(), targets.float())         
print('*'*30)
print(loss_3)               # tensor(0.7500)
print(loss_3.shape)         # torch.Size([])
print(type(loss_3))         # <class 'torch.Tensor'>
# .item()方法 是得到一个元素张量里面的元素值,具体就是 用于将一个零维张量转换成浮点数
print(loss_3.item())        # 0.75 
print(type(loss_3.item()))  # <class 'float'>
print('*'*30)
# *****************************************************
# 4、返会求和值
# *****************************************************
loss_fn_4 = torch.nn.MSELoss(reduction='sum')
# 将Variable类型统一为float()(tensor类型也是调用xxx.float())
loss_4 = loss_fn_4(inputs.float(), targets.float())         
print(loss_4)

4、运行结果

在这里插入图片描述

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/192323.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • Python基础语法[通俗易懂]

    Python基础语法[通俗易懂]学习一门编程语言,通常是学习该语言的以下几个部分的内容:基础语法:如,变量的声明与调用、基本输出语句、代码块语法、注释等;数据类型:通常都为数字、字符串、布尔值、数组、链表、Map、Set等

  • 软件测试分类

    软件测试分类一、软件测试的分类1、按开发阶段:单元测试、集成测试、系统测试、验收测试2、按测试实施组织:α、β、第三方3、按测试执行方式:静态测试、动态测试4、按是否查看代码:黑盒测试、白盒测试、灰盒测试5、按是否手工执行划分:手工测试、自动化测试6、按测试对象划分:性能测试、安全测试、兼容性测试、文档测试、易用性测试(用户体验测试)、业务测试、界面测试、安装测试7、按测试地域划分…

  • 安装cgal_cgi3.2

    安装cgal_cgi3.2在VisualStudio2008中安装CGAl(注意:整个安装过程需要网络连接,最后指示如何在windows中增加环境变量)1、下载需要的安装文件1)、首先下载CGAL(3.4)的安装程序,从http://gforge.inria.fr/frs/?group_id=52(在页面的最下面)2)、获得最新版本的CMake(目前是2.6.3),从http://www.cmake.or

  • ANDROID自己定义视图——onLayout源代码 流程 思路具体解释[通俗易懂]

    ANDROID自己定义视图——onLayout源代码 流程 思路具体解释

  • Vue生命周期(11个钩子函数)「建议收藏」

    Vue生命周期生命周期初识生命周期详解(八个钩子函数)生命周期生命周期:Vue是一个构造函数,当执行执行这个函数时,相当于初始化vue实例;在创建实例过程中,需要设置数据监听,编译模板,将实例挂载到DOM上,数据更新能够让DOM也更新,在这个初始化,又会不同阶段默认调用一些函数执行,这些函数就是生命周期的钩子函数;生命周期钩子函数生命周期钩子函数,让够让咱们…

  • SD卡中FAT32文件格式高速入门(图文具体介绍)

    SD卡中FAT32文件格式高速入门(图文具体介绍)

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号