forked from huawei/mindspore2022
40 lines
1.6 KiB
ReStructuredText
40 lines
1.6 KiB
ReStructuredText
mindspore.nn.MSELoss
|
||
=============================
|
||
|
||
.. py:class:: mindspore.nn.MSELoss(reduction='mean')
|
||
|
||
用于计算预测值与标签值之间的均方误差。
|
||
|
||
假设 :math:`x` 和 :math:`y` 为一维Tensor，长度 :math:`N` ，则计算 :math:`x` 和 :math:`y` 的unreduced loss（即reduction参数设置为"none"）的公式如下：
|
||
|
||
.. math::
|
||
\ell(x, y) = L = \{l_1,\dots,l_N\}^\top, \quad \text{with} \quad l_n = (x_n - y_n)^2.
|
||
|
||
其中， :math:`N` 为batch size。如果 `reduction` 不是"none"，则：
|
||
|
||
.. math::
|
||
\ell(x, y) =
|
||
\begin{cases}
|
||
\operatorname{mean}(L), & \text{if reduction} = \text{'mean';}\\
|
||
\operatorname{sum}(L), & \text{if reduction} = \text{'sum'.}
|
||
\end{cases}
|
||
|
||
**参数：**
|
||
|
||
**reduction** (str) - 应用于loss的reduction类型。取值为"mean"，"sum"，或"none"。默认值："mean"。
|
||
|
||
**输入：**
|
||
|
||
- **logits** (Tensor) - 输入预测值，任意维度的Tensor。
|
||
- **labels** (Tensor) - 输入标签，任意维度的Tensor，在通常情况下与 `logits` 的shape相同。但是如果 `logits` 和 `labels` 的shape不同，需要保证他们之间可以互相广播。
|
||
|
||
**输出：**
|
||
|
||
Tensor，为float类型的loss，如果 `reduction` 为"mean"或"sum"，则shape为0；
|
||
如果 `reduction` 为"none"，则输出的shape为输入Tensor广播后的shape。
|
||
|
||
**异常：**
|
||
|
||
- **ValueError** - `reduction` 不为"mean"，"sum"，或"none"。
|
||
- **ValueError** - `logits` 和 `labels` 的shape不同，且不能广播。
|