机器学习的19种损失函数总结（PyTorch计算）

1 基本用法

 criterion = LossCriterion() #构造函数有自己的参数

    
 loss = criterion(x, y) #调用标准时也有参数
    
    
    
    

损失函数设计与优化

2-1 L1 范数损失 L1Loss

计算 output 与 target 之间的差值，并取其绝对数值。

    torch.nn.L1Loss(reduction='mean')
    

参数：

reduction - 该参数包含三个可选值，分别为 none：表示不执行约简操作；mean：用于计算所有 loss 值的平均数；sum：用于求取所有 loss 值的总和。默认设置为 mean。

2-2 均方误差损失 MSELoss

计算 output 与 target 之间的均方误差，以衡量二者差异的大小。

    torch.nn.MSELoss(reduction='mean')
    

参数设置：

reduction - 可选三个取值，分别为 none：不执行约简操作；mean：对 loss 进行平均计算；sum：对 loss 进行求和运算。默认选项为 mean。

2-3 交叉熵损失 CrossEntrop