MSELoss¶
该OP用于计算预测值和目标值的均方差误差。
对于预测值input和目标值label：
当reduction为'none'时：
\[Out = (input - label)^2\]
当`reduction`为`'mean'`时：
\[Out = \operatorname{mean}((input - label)^2)\]
当`reduction`为`'sum'`时：
\[Out = \operatorname{sum}((input - label)^2)\]
参数¶
input (Variable) - 预测值，维度为 \([N_1, N_2, ..., N_k, D]\) 的多维Tensor，其中最后一维D是类别数目。数据类型为float32或float64。
label (Variable) - 目标值，维度为 \([N_1, N_2, ..., N_k, D]\) 的多维Tensor，其中最后一维D是类别数目。数据类型为float32或float64。
reduction (str, 可选) - 约简方式，可以是 'none' | 'mean' | 'sum'。设为'none'时不使用约简，设为'mean'时返回loss的均值，设为'sum'时返回loss的和。
返回¶
预测值和目标值的均方差
返回类型¶
变量（Variable）
代码示例¶
import numpy as np
import paddle
from paddle import fluid
import paddle.fluid.dygraph as dg
mse_loss = fluid.dygraph.MSELoss()
input = fluid.data(name="input", shape=[1])
label = fluid.data(name="label", shape=[1])
place = fluid.CPUPlace()
input_data = np.array([1.5]).astype("float32")
label_data = np.array([1.7]).astype("float32")
# declarative mode
output = mse_loss(input,label)
exe = fluid.Executor(place)
exe.run(fluid.default_startup_program())
output_data = exe.run(
fluid.default_main_program(),
feed={"input":input_data, "label":label_data},
fetch_list=[output],
return_numpy=True)
print(output_data)
# [array([0.04000002], dtype=float32)]
# imperative mode
with dg.guard(place) as g:
input = dg.to_variable(input_data)
label = dg.to_variable(label_data)
output = mse_loss(input, label)
print(output.numpy())
# [0.04000002]