torch.nn.functional.huber_loss

torch.nn.functional.huber_loss(input, target, reduction='mean', delta=1.0, weight=None) → Tensor

计算 Huber 损失，可选择加权。

如果逐元素绝对误差低于 delta，则函数使用平方项；否则使用 delta 缩放的 L1 项。

当 delta 等于 1 时，此损失等效于 SmoothL1Loss。通常，Huber 损失与 SmoothL1Loss 的区别在于 delta 因子（在 Smooth L1 中也称为 beta）。

参数

• input (Tensor) – 预测值。

• target (Tensor) – 真值。

• reduction (str, 可选) – 指定应用于输出的缩减方式：'none' | 'mean' | 'sum'。'mean'：取输出的平均值。'sum'：输出将被求和。'none'：不应用缩减。默认值：'mean'。

• delta (float, 可选) – 在 delta 缩放的 L1 损失和 L2 损失之间切换的阈值。默认值：1.0。

• weight (Tensor, 可选) – 每个样本的权重。默认值：None。

返回

Huber 损失（可选加权）。

返回类型

Tensor