HuberLoss

class torch.nn.HuberLoss(reduction='mean', delta=1.0)

创建一个标准，如果逐元素绝对误差低于 delta，则使用平方项；否则使用 delta 缩放的 L1 项。此损失结合了 L1Loss 和 MSELoss 的优点；delta 缩放的 L1 区域使损失对异常值不如 MSELoss 敏感，而 L2 区域在 0 附近提供了比 L1Loss 更高的平滑度。有关更多信息，请参见 Huber 损失。

对于大小为 $N$ 的批次，未缩减的损失可以描述为

$$\ell(x, y) = L = \{l_1, ..., l_N\}^T$$

其中

$$l_n = \begin{cases} 0.5 (x_n - y_n)^2, & \text{if } |x_n - y_n| < delta \\ delta * (|x_n - y_n| - 0.5 * delta), & \text{otherwise } \end{cases}$$

如果 reduction 不是 none，则

$$\ell(x, y) = \begin{cases} \operatorname{mean}(L), & \text{if reduction} = \text{`mean';}\\ \operatorname{sum}(L), & \text{if reduction} = \text{`sum'.} \end{cases}$$

注意

当 delta 设置为 1 时，此损失等效于 SmoothL1Loss。通常，此损失与 SmoothL1Loss 的区别在于 delta 系数（在 Smooth L1 中也称为 beta）。有关两种损失之间行为差异的更多讨论，请参见 SmoothL1Loss。

参数

• reduction (str, optional) – 指定应用于输出的缩减方式: 'none' | 'mean' | 'sum'。'none': 不会应用缩减, 'mean': 输出的总和将被输出中元素数量除以, 'sum': 输出将被求和。默认值: 'mean'

• delta (float, optional) – 指定在 delta 缩放的 L1 损失和 L2 损失之间切换的阈值。该值必须为正数。默认值: 1.0

形状

• 输入: $(*)$ 其中 $*$ 表示任意数量的维度。

• 目标: $(*)$，与输入形状相同。

• 输出: 标量。如果 reduction 是 'none'，则 $(*)$，与输入形状相同。