MSELoss

paddle.nn. MSELoss ( reduction='mean' ) [源代码]

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 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)
# 0.04000002