L1Loss

class torch.nn.L1Loss(size_average=None, reduce=None, reduction='mean')

创建一个准则，用于测量输入 $x$ 和目标 $y$ 中每个元素之间的平均绝对误差 (MAE)。

未进行归约的损失（即，将 reduction 设置为 'none'）可以描述为

$$\ell(x, y) = L = \{l_1,\dots,l_N\}^\top, \quad l_n = \left| x_n - y_n \right|,$$

其中 $N$ 是批量大小。如果 reduction 不是 'none' (默认为 'mean')，则

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

$x$ 和 $y$ 是任意形状的 Tensor，每个共有 $N$ 个元素。

求和操作仍然对所有元素进行，并除以 $N$。

如果将 reduction = 'sum'，则可以避免除以 $N$ 的操作。

支持实数和复数输入。

参数

• size_average (bool, 可选) – 已弃用 (见 reduction)。默认情况下，损失会在批次中的每个损失元素上取平均。请注意，对于某些损失，每个样本有多个元素。如果字段 size_average 设置为 False，损失则改为对每个小批量求和。当 reduce 为 False 时忽略。默认值：True

• reduce (bool, 可选) – 已弃用 (见 reduction)。默认情况下，损失会根据 size_average 对每个小批量的观测值取平均或求和。当 reduce 为 False 时，改为返回每个批次元素的损失，并忽略 size_average。默认值：True

• reduction (str, 可选) – 指定要应用于输出的归约方式：'none' | 'mean' | 'sum'。'none'：不应用归约，'mean'：输出的总和将除以输出中的元素数量，'sum'：输出将求和。注意：size_average 和 reduce 正在弃用中，在此期间，指定这两个参数中的任何一个都将覆盖 reduction。默认值：'mean'

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 为 'none'，则为 $(*)$，与输入形状相同。

示例

>>> loss = nn.L1Loss()
>>> input = torch.randn(3, 5, requires_grad=True)
>>> target = torch.randn(3, 5)
>>> output = loss(input, target)
>>> output.backward()