02：损失函数总结

目录

nn.L1Loss:

nn.NLLLoss:

nn.MSELoss:

nn.CrossEntropyLoss:

---

损失函数是用来估量模型的预测值与真实值的不一致程度，它是一个非负实值函数。我们训练模型的过程，就是通过不断的迭代计算，使用梯度下降的优化算法，使得损失函数越来越小。损失函数越小就表示算法达到意义上的最优。

直白来说，就是用它来描述我们模型的鲁棒性，损失函数越小，模型的鲁棒性就越好。

由于我是以学习pytorch入门，所以这里来看看pytorch的内置函数。

nn.L1Loss:

首要条件是x 和 y 的维度要一样（可以是向量或者矩阵），表示输入x和目标y之间差的绝对值，得到的 loss 维度也是对应一样的。

nn.NLLLoss:

用于多分类的负对数似然损失函数

NLLLoss中如果传递了weights参数，会对损失进行加权，公式就变成了

                     

nn.MSELoss:

均方损失函数 ，输入x和目标y之间均方差

nn.CrossEntropyLoss:

多分类用的交叉熵损失函数，LogSoftMax和NLLLoss集成到一个类中，会调用nn.NLLLoss函数，我们可以理解为CrossEntropyLoss()=log_softmax() + NLLLoss()

因为使用了NLLLoss，所以也可以传入weight参数，这时loss的计算公式变为：

 

所以一般多分类的情况会使用这个损失函数