MSELoss¶
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)
Tensor(shape=[], dtype=float32, place=Place(cpu), stop_gradient=True,
0.04000002)