均方误差损失 ¶

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

创建一个标准，用于衡量输入 $x$ 和目标 $y$ 之间每个元素的均方误差（平方 L2 范数）。

未归一化的（即 reduction 设置为 'none' ）损失可以描述为：

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

其中 $N$ 是批大小。如果 reduction 不等于 'none' （默认 '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 $y$ 是任意形状的张量，每个张量包含 $N$ 个元素。

均值操作仍然对所有元素进行操作，并除以 $N$ 。

如果设置 reduction = 'sum' ，则可以避免除以 $N$ 。

参数:

• size_average（布尔值，可选）- 已弃用（参见 reduction ）。默认情况下，损失会在批次的每个损失元素上平均。注意，对于某些损失，每个样本可能有多个元素。如果字段 size_average 设置为 False ，则损失将改为对每个 minibatch 求和。当 reduce 为 False 时，将被忽略。默认： True

• reduce（布尔值，可选）- 已弃用（参见 reduction ）。默认情况下，损失会在每个 minibatch 的观测上平均或求和，具体取决于 size_average 。当 reduce 为 False 时，将返回每个批次的损失，并忽略 size_average 。默认： True

• reduction（字符串，可选）- 指定应用于输出的缩减方式： 'none' | 'mean' | 'sum' 。 'none' ：不应用缩减， 'mean' ：输出总和将除以输出中的元素数量， 'sum' ：输出将被求和。注意： size_average 和 reduce 正在被弃用，在此期间，指定这两个参数之一将覆盖 reduction 。默认： 'mean'

形状：

• 输入： $(*)$ ，其中 $*$ 表示任意数量的维度。

• 目标： $(*)$ ，与输入形状相同。

示例：

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