Loss Function
pytorch中常用的损失函数
| 损失函数 | 名称 | 适用场景 | 说明 |
|---|---|---|---|
| torch.nn.MSELoss() | 均方误差损失 | 回归 | 取预测值和真实值的绝对误差的平均数 $$ℓ(x,y) = {1 \over N} \sum_{n}^{N}|x_n−y_n|$$ |
| torch.nn.L1Loss() | 平均绝对值误差损失 | 回归 | |
| torch.nn.CrossEntropyLoss() | 交叉熵损失 | 多分类 | |
| torch.nn.NLLLoss() | 负对数似然函数损失 | 多分类 | |
| torch.nn.NLLLoss2d() | 图片负对数似然函数损失 | 图像分割 | |
| torch.nn.KLDivLoss() | KL散度损失 | 回归 | |
| torch.nn.BCELoss() | 二分类交叉熵损失 | 二分类 | |
| torch.nn.MarginRankingLoss() | 评价相似度的损失 | ||
| torch.nn.MultiLabelMarginLoss() | 多标签分类的损失 | 多标签分类 | |
| torch.nn.SmoothL1Loss() | 平滑的L1损失 | 回归 | 也叫作 Huber Loss，误差在 (-1,1) 上是平方损失，其他情况是 L1 损失，应用于回归。 |
| torch.nn.SoftMarginLoss() | 多标签二分类问题的损失 | 多标签二分类 |