l1_loss

paddle.nn.functional.l1_loss ( input, label, reduction\=’mean’, name\=None ) [源代码]

该接口计算输入 input 和标签 label 间的 L1 loss 损失。

该损失函数的数学计算公式如下：

当 reduction 设置为 'none' 时，

当 reduction 设置为 'mean' 时，

当 reduction 设置为 'sum' 时，

Out\=SUM(|input−label|)Out\=SUM(|input−label|)

参数

• input (Tensor): - 输入的Tensor，维度是[N, *], 其中N是batch size， * 是任意数量的额外维度。数据类型为：float32、float64、int32、int64。

• label (Tensor): - 标签，维度是[N, *], 与 input 相同。数据类型为：float32、float64、int32、int64。

• reduction (str, 可选): - 指定应用于输出结果的计算方式，可选值有: 'none', 'mean', 'sum' 。默认为 'mean'，计算 L1Loss 的均值；设置为 'sum' 时，计算 L1Loss 的总和；设置为 'none' 时，则返回 L1Loss。

• name (str，可选): - 操作的名称(可选，默认值为None）。更多信息请参见 Name。

返回

Tensor, 输入 input 和标签 label 间的 L1 loss 损失。如果 reduction 是 'none', 则输出Loss的维度为 [N, *], 与输入 input 相同。如果 reduction 是 'mean' 或 'sum', 则输出Loss的维度为 [1]。

代码示例

import paddle
input = paddle.to_tensor([[1.5, 0.8], [0.2, 1.3]])
label = paddle.to_tensor([[1.7, 1], [0.4, 0.5]])
l1_loss = paddle.nn.functional.l1_loss(input, label)
print(l1_loss)
# [0.35]
l1_loss = paddle.nn.functional.l1_loss(input, label, reduction='none')
print(l1_loss)
# [[0.20000005 0.19999999]
# [0.2        0.79999995]]
l1_loss = paddle.nn.functional.l1_loss(input, label, reduction='sum')
print(l1_loss)
# [1.4]