L1Loss

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

建立一個準則，用於測量輸入 $x$ 和目標 $y$ 中每個元素之間的平均絕對誤差 (MAE)。

未進行歸約的損失（即，將 reduction 設定為 'none'）可以描述為

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

其中 $N$ 是批次大小。如果 reduction 不是 'none' (預設為 'mean')，則

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

$x$ 和 $y$ 是任意形狀的 Tensor，每個共有 $N$ 個元素。

求和操作仍然對所有元素進行，併除以 $N$。

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

支援實數和複數輸入。

引數

• size_average (bool, 可選) – 已棄用 (見 reduction)。預設情況下，損失會在批次中的每個損失元素上取平均。請注意，對於某些損失，每個樣本有多個元素。如果欄位 size_average 設定為 False，損失則改為對每個小批次求和。當 reduce 為 False 時忽略。預設值：True

• reduce (bool, 可選) – 已棄用 (見 reduction)。預設情況下，損失會根據 size_average 對每個小批次的觀測值取平均或求和。當 reduce 為 False 時，改為返回每個批次元素的損失，並忽略 size_average。預設值：True

• reduction (str, 可選) – 指定要應用於輸出的歸約方式：'none' | 'mean' | 'sum'。'none'：不應用歸約，'mean'：輸出的總和將除以輸出中的元素數量，'sum'：輸出將求和。注意：size_average 和 reduce 正在棄用中，在此期間，指定這兩個引數中的任何一個都將覆蓋 reduction。預設值：'mean'

形狀

• 輸入：$(*)$，其中 $*$ 表示任意數量的維度。

• 目標：$(*)$，與輸入形狀相同。

• 輸出：標量。如果 reduction 為 'none'，則為 $(*)$，與輸入形狀相同。

示例

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