HuberLoss

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

創建一個準則，如果絕對元素誤差小於 delta，則使用平方項；否則使用 delta 縮放的 L1 項。此損失結合了 L1Loss 和 MSELoss 的優點；與 MSELoss 相比，delta 縮放的 L1 區域使損失對離群值不太敏感，而 L2 區域在 0 附近提供了比 L1Loss 更好的平滑性。有關更多資訊，請參閱 Huber loss。

對於大小為 $N$ 的批次，未縮減的損失可以描述為

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

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，則

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

注意

當 delta 設定為 1 時，此損失等同於 SmoothL1Loss。 一般來說，此損失與 SmoothL1Loss 的差異在於 delta 因子（在 Smooth L1 中又稱為 beta）。 有關這兩種損失之間行為差異的更多討論，請參閱 SmoothL1Loss。

參數

• reduction (str, optional) – 指定要應用於輸出的 reduction 方式：'none' | 'mean' | 'sum'。'none'：不進行 reduction，'mean'：輸出總和將除以輸出中的元素數量，'sum'：將對輸出進行總和。 預設值：'mean'

• delta (float, optional) – 指定在 delta 比例 L1 和 L2 損失之間變更的閾值。 該值必須為正數。 預設值：1.0

形狀

• 輸入: $(*)$ 其中 $*$ 表示任意數量的維度。

• 目標: $(*)$, 與輸入相同的形狀。

• 輸出: 標量。 如果 reduction 為 'none', 則 $(*)$, 與輸入相同的形狀。