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:

\[Out = (input - label)^2\]

当`reduction`为`'mean'`时:

\[Out = \operatorname{mean}((input - label)^2)\]

当`reduction`为`'sum'`时:

\[Out = \operatorname{sum}((input - label)^2)\]
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 \([N_1, N_2, ..., N_k]\) 的多维Tensor。数据类型为float32或float64。

  • label (Tensor) - 目标值,维度为 \([N_1, N_2, ..., N_k]\) 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]