pytorch中的loss函数（3）：L1Loss

1、L1Loss原理

L1Loss计算预测值和真实值的mean absolute error (MAE，平均绝对值误差)。 

 

其中：

• x: (N, *)(N,∗) where *∗ means, any number of additional dimensions

• y: (N, *)(N,∗) , same shape as the input

• Output: scalar. If reduction is 'none', then (N, *)(N,∗) , same shape as the input

若是mean：先计算预测值x与真实值y这两个tensor中的对应位置的两个元素的差的绝对值，得到一个新的同样大小的tensor，然后求这个tensor中所有元素的均值；

若是sum：先计算预测值x与真实值y这两个tensor中的对应位置的两个元素的差的绝对值，得到一个新的同样大小的tensor，然后求这个tensor中所有元素的和；

2、使用L1Loss进行多分类

2.1 数据源以及如何打标签

以mnist数据源为例，共有10个分类。mnist中每张图片的标签是0-9中的一个数字。

2.2 模型训练

2.2.1 模型搭建

L1Loss层前一层输出的特征图的大小必须是1*1，我们可以使用一个out_features是1的Linear层（全连接层）来实现。