megengine.functional.loss.l1_loss

l1_loss(pred, label, reduction='mean')[源代码]

计算预测值 \(x\) 和标签值 \(y\) 的每个元素之间的平均绝对误差(MAE)。

平均绝对误差可以表示为:

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

式中,

\[L = \{l_1,\dots,l_N\}, \quad l_n = \left| x_n - y_n \right|,\]

\(x\)\(y\) 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) – the reduction to apply to the output: ‘none’ | ‘mean’ | ‘sum’. Default: ‘mean’

返回类型

Tensor

返回

损失值。

例如:

import numpy as np
import megengine as mge
import megengine.functional as F

ipt = mge.tensor(np.array([3, 3, 3, 3]).astype(np.float32))
tgt = mge.tensor(np.array([2, 8, 6, 1]).astype(np.float32))
loss = F.nn.l1_loss(ipt, tgt)
print(loss.numpy())

输出:

2.75