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：

当reduction为'mean'[](#id1)时：

当reduction为'sum'[](#id3)时：

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：

import numpy as np
import paddle
input_data = np.array([1.5]).astype("float32")
label_data = np.array([1.7]).astype("float32")
mse_loss = paddle.nn.MSELoss()
input = paddle.to_tensor(input_data)
label = paddle.to_tensor(label_data)
output = mse_loss(input, label)
print(output)
# [0.04000002]

使用本API的教程文档

• 通过AutoEncoder实现时序数据异常检测