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

  • 如何在vue项目中使用md5加密

    如何在vue项目中使用md5加密npm安装:npminstall–savejs-md51.在需要使用的项目文件中引入:importmd5from’js-md5′;使用:md5(‘holle’)//bcecb35d0a12baad472fbe0392bcc0432.或者在main.js文件中将md5转换成vue原型:importmd5from’js-md5…

  • nginx源代码分析–event事件驱动初始化

    nginx源代码分析–event事件驱动初始化

    2021年12月13日
  • SQL中like的用法.[通俗易懂]

    SQL中like的用法.[通俗易懂]Like的运用场合主要在模糊查询的时候,一般以查询字符串居多,这里据一些例子来说他的一般用法:例1,查询name字段中包含有“明”字的。这里不要使用*来代替,一般在使用0个或者任意个字符构成的字符

  • 【转载】软件架构设计【学习】

    【转载】软件架构设计【学习】

    2021年11月20日
  • getcomponent_getsocketopt

    getcomponent_getsocketoptGetMessage函数功能GetMessage是计算机编程中的一个函数,从调用线程的消息队列里取得一个消息并把其放于指定的结构。GetMessage函数可取得与指定窗口联系的消息和由PostThreadMesssge寄送的线程消息,接收一定范围的消息值,不接收属于其他线程或应用程序的消息。GetMessage获取消息成功后,线程把从消息队列中删除该消息,函数会一直等待直到有消息到来才有返回值。函数声明WINUSERAPIBOOLWINAPIGetMessage(_Out_LPMS

  • 关于IO流的笔试面试题[通俗易懂]

    关于IO流的笔试面试题[通俗易懂]1.java中有几种类型的流?jdk为每种类型的流提供了一些抽象类以供继承,请说出它们分别是什么?解题思路:了解io流的体系(重要)就可以了从大的方面来分可以分为字节流和字符流.字符流提供了提供了reader和writer;字节流提供了outputstream 和inputstream. 2.字符流和字节流有什么区别?(重要)解题思路:从读写的原理上来进行区分会好记一点(字符流…

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