mse_loss

paddle.nn.functional. mse_loss ( input, label, reduction='mean', name=None ) [源代码]

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，公式为：

当 reduction 设置为 'none' 时，

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

当 reduction 设置为 'mean' 时，

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

当 reduction 设置为 'sum' 时，

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

参数

  • 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。

  • reduction (str, 可选) - 输出的归约方法可以是'none'、'mean'或'sum'。

    • 如果 reduction 是 'mean'，则返回减少的平均损失。

    • 如果 reduction 是 'sum'，则返回减少的总损失。

    • 如果 reduction 为 'none'，返回未减少的损失。默认为 ‘mean’。

  • name (str, 可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回

Tensor，输入 input 和标签 label 间的 mse loss 损失。

代码示例

>>> import paddle
>>> mse_loss = paddle.nn.loss.MSELoss()
>>> input = paddle.to_tensor(1.5)
>>> label = paddle.to_tensor(1.7)
>>> output = mse_loss(input, label)
>>> print(output)
Tensor(shape=[], dtype=float32, place=Place(cpu), stop_gradient=True,
       0.04000002)

使用本API的教程文档