matlab的损失函数mse,MSELoss损失函数
MSELoss损失函数中文名字就是:均方损失函数,公式如下所示:
这里 loss, x, y 的维度是一样的,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。
一般的使用格式如下所示:
loss_fn = torch.nn.MSELoss(reduce=True, size_average=True)
这里注意一下两个入参:
A reduce = False,返回向量形式的 loss
B reduce = True, 返回标量形式的loss
C size_average = True,返回 loss.mean();
D 如果 size_average = False,返回 loss.sum()
默认情况下:两个参数都为True.
下面的是python的例子:
# -*- coding: utf-8 -*-
import torch
import torch.optim as optim
loss_fn = torch.nn.MSELoss(reduce=False, size_average=False)
#loss_fn = torch.nn.MSELoss(reduce=True, size_average=True)
#loss_fn = torch.nn.MSELoss()
input = torch.autograd.Variable(torch.randn(3,4))
target = torch.autograd.Variable(torch.randn(3,4))
loss = loss_fn(input, target)
print(input); print(target); print(loss)
print(input.size(), target.size(), loss.size())
承接Matlab、Python和C++的编程,机器学习、计算机视觉的理论实现及辅导,本科和硕士的均可,咸鱼交易,专业回答请走知乎,详谈请联系QQ号757160542,非诚勿扰。
本文同步分享在 博客“于小勇”(CSDN)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。
matlab的损失函数mse,MSELoss损失函数相关推荐
- 【转载】损失函数 - 交叉熵损失函数
MSE 转载自:损失函数 - MSE[1] 数理统计中均方误差是指参数估计值与参数值之差平方的期望值,记为MSE.MSE是衡量"平均误差"的一种较方便的方法,MSE可以评价数据的变 ...
- 损失函数(损失函数、代价函数、目标函数)、MSE、0-1损失函数、绝对误差损失函数、分位数损失函数、Huber损失函数、感知损失函数、Hinge损失函数、指数损失函数、对数损失函数
损失函数(损失函数.代价函数.目标函数).MSE.0-1损失函数.绝对误差损失函数.分位数损失函数.Huber损失函数.感知损失函数.Hinge损失函数.指数损失函数.对数损失函数 目录
- 交叉熵和mse_损失函数 - MSE
本来主要介绍机器学习中常见的损失函数MSE的定义以及它的求导特性. 数理统计中均方误差是指参数估计值与参数值之差平方的期望值,记为MSE.MSE是衡量"平均误差"的一种较方便的方法 ...
- 均方误差mse均方根误差rmse_损失函数 - MSE
本来主要介绍机器学习中常见的损失函数MSE的定义以及它的求导特性. 数理统计中均方误差是指参数估计值与参数值之差平方的期望值,记为MSE.MSE是衡量"平均误差"的一种较方便的方法 ...
- 理解Hinge Loss (折页损失函数、铰链损失函数)
理解Hinge Loss (折页损失函数.铰链损失函数) 原文:https://blog.csdn.net/fendegao/article/details/79968994 Hinge Loss 是 ...
- 交叉熵损失函数以及softmax损失函数
交叉熵损失函数以及softmax损失函数 周六总结 参考资料: https://blog.csdn.net/u014380165/article/details/77284921 https://ww ...
- softmax、softmax损失函数、cross-entropy损失函数
softmax softmax ,顾名思义,就是 soft 版本的 max. 在了解 softmax 之前,先看看什么是 hardmax. hardmax 就是直接选出一个最大值,例如 [1,2,3] ...
- 损失函数 -交叉熵损失函数
参考文献: 1)https://zhuanlan.zhihu.com/p/35709485 2)https://jackon.me/posts/why-use-cross-entropy-error- ...
- Matlab 计算均方误差MSE的三种方法
Matlab 计算均方误差MSE的三种方法 数据说明: ytest 测试集y,真实的y值,是一维数组: ytest_fit 基于测试集 x 预测的y值,是一维数组: test_error 是预测误差. ...
最新文章
- android视频录制(调用系统视频录制)
- python如何实现多进程_Python实现多进程的四种方式
- 由于stdin不是终端,因此不会分配伪终端
- queue源码java_看看AbstractQueue源码Java9
- HBase Replication源码解析之HLog读取
- Django(五)中间件
- 关系型数据库和非关系型数据库的区别
- Linux 命令速查
- 如何在前端删除项目中的文件_如何在macOS上恢复已删除的文件
- d3d11 indirect lighting
- cgcs2000大地坐标系地图_MapGIS国土空间数据2000大地坐标系转换系统
- LR杂记--Loadrunner分析系统资源
- vbs脚本和windows定时任务实现qq消息表情包定时发送
- 如何批量修改文件夹中的照片名称
- Florian%C3%B3polis巴西北岸新业务的最佳场所四方数据分析
- 新买的电脑,设置电脑
- python基于PHP+MySQL的药店药品进销存管理系统
- MySQL——数据库 ——简单程序代码大全
- PyQt4的学习历程(3)
- 匿名四轴地面站V4.5使用方法研究
热门文章
- 知+付费推广:我花3W烧出来的投放经验
- VELO3D宣布推出大幅面3D金属打印机Sapphire(R) XC,将生产率提高5倍,同时将成本降低75%
- 零基础学会3DsMax超炫酷战斗机飞行动画
- shunit2单元测试框架
- 三电极体系电化学测量模组
- 中国地图china.js
- 自贸港有志青年,捂碳星球旧衣回收项目,成功引起团中央的重视
- 关于硬件工程师的真相:敢问路在何方?
- chacha20加密c语言算法,Java 11的新加密算法ChaCha20-Poly1305
- Udacity数据分析(进阶试学)-五王之战分析 - 冰与火之歌