Pytorch评估真实值与预测值之间的差距

  1. 问题
    全连接神经网络算法是一种典型的有监督的分类算法,通过算法所分类出来的预测值与真实值之间必定存在着差距,那如何利用pytorch评估真实值与预测值之间的差距了?从来确定训练模型的好坏。
  2. 方法
    我们可以应用一个损失函数计算出一个数值来评估真实值与预测值之间的差距。然而在torch.nn中有很多的损失函数可供使用,比如nn.MSELoss就是通过计算均方差损失来评估输出和目标值之间的差距。也可以调用loss.backward()进行反向传播计算得出真实值与预测值之间的差距。
    应用nn.MSELoss计算损失的例子
    Pytorch评估真实值与预测值之间的差距_第1张图片
  3. 结语

在pytorch的框架下我们能够很轻松调用其自身提供的损失函数,如nn.MSELoss评估输出和目标值之间的差距或者是更为复杂的反向传播来计算损失值。但离开了pytorch的前提下我们是否还有更好的方法来解决这个问题了,还有更多知识等待我们学习。

你可能感兴趣的:(PyTorch图像分类教程,pytorch,深度学习)