MSELoss

paddle.fluid.dygraph.MSELoss(input, label)[源代码]

该OP用于计算预测值和目标值的均方差误差。

对于预测值input和目标值label：

当reduction为’none’时：

当`reduction`为`‘mean’`时：

当`reduction`为`‘sum’`时：

参数

• input (Variable) - 预测值，维度为

  

  的多维Tensor，其中最后一维D是类别数目。数据类型为float32或float64。

• label (Variable) - 目标值，维度为

  

  的多维Tensor，其中最后一维D是类别数目。数据类型为float32或float64。

• reduction (str, 可选) - 约简方式，可以是 ‘none’ | ‘mean’ | ‘sum’。设为’none’时不使用约简，设为’mean’时返回loss的均值，设为’sum’时返回loss的和。

返回

预测值和目标值的均方差

返回类型

变量（Variable）

代码示例

import numpy as np
import paddle
from paddle import fluid
import paddle.fluid.dygraph as dg
mse_loss = fluid.dygraph.MSELoss()
input = fluid.data(name="input", shape=[1])
label = fluid.data(name="label", shape=[1])
place = fluid.CPUPlace()
input_data = np.array([1.5]).astype("float32")
label_data = np.array([1.7]).astype("float32")
# declarative mode
output = mse_loss(input,label)
exe = fluid.Executor(place)
exe.run(fluid.default_startup_program())
output_data = exe.run(
    fluid.default_main_program(),
    feed={"input":input_data, "label":label_data},
    fetch_list=[output],
    return_numpy=True)
print(output_data)
# [array([0.04000002], dtype=float32)]
# imperative mode
with dg.guard(place) as g:
    input = dg.to_variable(input_data)
    label = dg.to_variable(label_data)
    output = mse_loss(input, label)
    print(output.numpy())
    # [0.04000002]