MSELoss

paddle.nn. MSELoss ( reduction=’mean’ ) [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:

MSELoss - 图1

reduction'mean'[](#id1)时:

MSELoss - 图2

reduction'sum'[](#id3)时:

MSELoss - 图3

参数:

  • 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。

形状:

  • input (Tensor) - 预测值,维度为 [N1,N2,…,Nk][N1,N2,…,Nk] 的多维Tensor。数据类型为float32或float64。

  • label (Tensor) - 目标值,维度为 [N1,N2,…,Nk][N1,N2,…,Nk] 的多维Tensor。数据类型为float32或float64。

返回:变量(Tensor), 预测值和目标值的均方差, 数值类型与输入相同

代码示例

  1. import numpy as np
  2. import paddle
  3. input_data = np.array([1.5]).astype("float32")
  4. label_data = np.array([1.7]).astype("float32")
  5. mse_loss = paddle.nn.MSELoss()
  6. input = paddle.to_tensor(input_data)
  7. label = paddle.to_tensor(label_data)
  8. output = mse_loss(input, label)
  9. print(output)
  10. # [0.04000002]

使用本API的教程文档