L1Loss

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

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

未經簡化的損失（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 $y$ 是任意形狀的張量，各自總共有 $N$ 個元素。

總和運算仍然對所有元素進行運算，並除以 $N$。

如果將 reduction = 'sum' 設為，則可以避免除以 $N$。

支援實數值和複數值輸入。

參數

• size_average (bool, optional) – 已棄用 (請參閱 reduction)。 預設情況下，損失會在批次中的每個損失元素上取平均值。 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，則會改為將每個小批次的損失加總。 當 reduce 為 False 時，將會忽略此設定。 預設值：True

• reduce (bool, optional) – 已棄用 (請參閱 reduction)。 預設情況下，損失會根據 size_average 在每個小批次的觀測值上取平均值或加總。 當 reduce 為 False 時，會改為傳回每個批次元素的損失，並忽略 size_average。 預設值：True

• reduction (str, optional) – 指定要應用於輸出的 reduction 方式：'none' | 'mean' | 'sum'。'none'：不使用 reduction；'mean'：輸出的總和將除以輸出中的元素數量；'sum'：輸出將被加總。注意：size_average 和 reduce 正在逐步淘汰中，在此期間，指定這兩個參數中的任何一個都將覆蓋 reduction。預設值：'mean'

形狀 (Shape)

• 輸入 (Input): $(*)$，其中 $*$ 表示任意數量的維度。

• 目標 (Target): $(*)$，與輸入相同的形狀。

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

範例

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