megengine.functional.nn.square_loss¶

square_loss(pred, label, reduction='mean')[源代码]¶

计算预测值 \(x\) 和标签值 \(y\) 之间的均方误差(平方L2范数)。

均方误差可以表示为：

\[\ell(x, y) = mean\left( L \right)\]

式中，

\[L = \{l_1,\dots,l_N\}, \quad l_n = \left( x_n - y_n \right)^2,\]

\(x\) 和 \(y\) 是任意形状的张量，各张量包含 \(N\) 个元素。 \(N\) 是批(batch)大小。

参数

pred (Tensor) – 从模型中预测的结果。
label (Tensor) – 用于比较的真实值。
reduction (str) – 对输出做规约操作：’none’ | ‘mean’ | ‘sum’.

返回类型

Tensor

返回

损失值。

形状：

pred: \((N, *)\),:math:* 意味着任何额外的维度
label: \((N, *)\).形状同``pred``

实际案例

>>> pred = Tensor([3, 3, 3, 3])
>>> label = Tensor([2, 8, 6, 1])
>>> F.nn.square_loss(pred, label)
Tensor(9.75, device=xpux:0)
>>> F.nn.square_loss(pred, label, reduction="none")
Tensor([ 1. 25.  9.  4.], device=xpux:0)
>>> F.nn.square_loss(pred, label, reduction="sum")
Tensor(39.0, device=xpux:0)

megengine.functional.nn.l1_loss

megengine.functional.nn.hinge_loss