1、l1loss原理
l1loss計算**值和真實值的mean absolute error (mae，平均絕對值誤差)。
其中：若是mean：先計算**值x與真實值y這兩個tensor中的對應位置的兩個元素的差的絕對值，得到乙個新的同樣大小的tensor，然後求這個tensor中所有元素的均值；
若是sum：先計算**值x與真實值y這兩個tensor中的對應位置的兩個元素的差的絕對值，得到乙個新的同樣大小的tensor，然後求這個tensor中所有元素的和；
2、使用l1loss進行多分類
2.1 資料來源以及如何打標籤
以mnist資料來源為例，共有10個分類。mnist中每張的標籤是0-9中的乙個數字。
2.2 模型訓練
2.2.1 模型搭建
l1loss層前一層輸出的特徵圖的大小必須是1*1，我們可以使用乙個out_features是1的linear層（全連線層）來實現。
pytorch自定義loss函式的幾種方法
1.讓張量使用variable 型別，如下所示 1 from torch.autograd import variable 23 inp torch.zeros 2,3 4 inp variable inp type torch.longtensor 5print inp variable型別包裝了...
caffe中各種loss函式
在有監督的機器學習中，需要有標籤資料，與此同時，也需要有對應的損失函式 loss function 在caffe中，目前已經實現了一些損失函式，包括最常見的l2損失函式，對比損失函式，資訊增益損失函式等等。在這裡做乙個筆記，歸納總結caffe中用到的不同的損失函式，以及分析它們各自適合的使用場景。輸...
pytorch中的gather函式
from 今天剛開始接觸，讀了一下documentation，寫乙個一開始每太搞懂的函式gather b torch.tensor 1,2,3 4,5,6 print bindex 1 torch.longtensor 0,1 2,0 index 2 torch.longtensor 0,1,1 0...