41 lines
1.7 KiB
ReStructuredText
41 lines
1.7 KiB
ReStructuredText
mindspore.mint.nn.L1Loss
|
||
=============================
|
||
|
||
.. py:class:: mindspore.mint.nn.L1Loss(reduction='mean')
|
||
|
||
L1Loss用于计算预测值和目标值之间的平均绝对误差。
|
||
|
||
假设 :math:`x` 和 :math:`y` 为一维Tensor，长度 :math:`N` ，则计算 :math:`x` 和 :math:`y` 的loss而不进行降维操作（即reduction参数设置为 ``'none'`` ）。
|
||
|
||
公式如下：
|
||
|
||
.. math::
|
||
\ell(x, y) = L = \{l_1,\dots,l_N\}^\top, \quad \text{with } l_n = \left| x_n - y_n \right|,
|
||
|
||
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，可选) - 指定应用于输出结果的规约计算方式，可选 ``'none'`` 、 ``'mean'`` 、 ``'sum'`` ，默认值： ``'mean'`` 。
|
||
|
||
- ``"none"``：不应用规约方法。
|
||
- ``"mean"``：计算输出元素的平均值。
|
||
- ``"sum"``：计算输出元素的总和。
|
||
|
||
输入：
|
||
- **logits** (Tensor) - 预测值，任意维度的Tensor。
|
||
- **labels** (Tensor) - 目标值，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，类型为float。
|
||
|
||
异常：
|
||
- **ValueError** - `reduction` 不为 ``'mean'`` 、 ``'sum'`` 或 ``'none'`` 。
|
||
- **ValueError** - `logits` 和 `labels` 有不同的shape，且不能互相广播。
|