回归
nn.L1Loss
平均绝对误差，也称L1范数损失，计算预测值与真实值之间的误差绝对值
L
1
L
o
s
s
=
1
N
∑
i
=
1
n
∣
y
i
^
−
y
i
∣
L1Loss=\frac{1}{N}\sum_{i=1}^n|\hat{y_i}-y_i|
L1Loss=N1i=1∑n∣yi^−yi∣
nn.MSELoss
常用的均方误差,也称L2范数损失,计算预测值与真实值之间的误差平方
M
S
E
L
o
s
s
=
1
N
∑
i
=
1
n
(
y
i
^
−
y
i
)
2
MSELoss=\frac{1}{N}\sum_{i=1}^n\left(\hat{y_i}-y_i\right)^2
MSELoss=N1i=1∑n(yi^−yi)2
分类
nn.CrossEntropyLoss
多分类损失函数
输出的预测
y
i
^
\hat{y_i}
yi^是向量形式的，代表每个类别的概率
输入的真实值为一个数，代表真实类别
参考官方文档
剩余的损失函数我使用后会再补充
