megengine.functional.loss.square_loss¶
-
square_loss(pred, label)[源代码]¶ 计算预测值 \(x\) 和标签值 \(y\) 之间的均方误差(平方L2范数)。
均方误差可以表示为：
\[\ell(x, y) = mean\left( L \right)\]式中，
\[L = \{l_1,\dots,l_N\}, \quad l_n = \left( x_n - y_n \right)^2,\]\(x\) 和 \(y\) 是任意形状的张量，各张量包含 \(N\) 个元素。 \(N\) 是批(batch)大小。
- 参数
pred (
Tensor) – 从模型中预测的结果。label (
Tensor) – 用于比较的真实值。
- 返回类型
Tensor- 返回
损失值。
- 形状：
pred : \((N, *)\) ，这里的 \(*\) 指任何附加的维度。
label: \((N, *)\). 与
pred的形状相同
例如：
import numpy as np import megengine as mge import megengine.functional as F ipt = mge.tensor(np.array([3, 3, 3, 3]).astype(np.float32)) tgt = mge.tensor(np.array([2, 8, 6, 1]).astype(np.float32)) loss = F.nn.square_loss(ipt, tgt) print(loss.numpy())
输出：
9.75