【Pytorch学习笔记】记录L1Loss实现附源码

文章目录

  • 前言
  • 一、实现步骤
    • 1.引入库
    • 2.读生成网络输出 以及 目标输出
    • 3.设置三种不同参数的L1Loss
  • 总结


前言

本章节简单介绍实现L1Loss的方法及源码,仅供学习参考!


一、实现步骤

1.引入库

代码如下(示例):

# coding: utf-8

import torch
import torch.nn as nn

2.读生成网络输出 以及 目标输出

代码如下(示例):

output = torch.ones(2, 2, requires_grad=True)*0.5
target = torch.ones(2, 2)

3.设置三种不同参数的L1Loss

reduce_False = nn.L1Loss(size_average=True, reduce=False)
size_average_True = nn.L1Loss(size_average=True, reduce=True)
size_average_False = nn.L1Loss(size_average=False, reduce=True)

o_0 = reduce_False(output, target)
o_1 = size_average_True(output, target)
o_2 = size_average_False(output, target)

print('\nreduce=False, 输出同维度的loss:\n{}\n'.format(o_0))
print('size_average=True,\t求平均:\t{}'.format(o_1))
print('size_average=False,\t求和:\t{}'.format(o_2))

总结

以上就是今天要讲的内容,本文仅仅简单介绍了L1Loss实现附源码,可直接使用,仅供学习参考!

你可能感兴趣的:(深度学习,pytorch,python,pytorch,学习,深度学习)