标签：return   with   类型   使用   函数   ati   版本   float   预测   

Pytorch_torch.nn.MSELoss

均方损失函数作用主要是求预测实例与真实实例之间的loss

loss(xi,yi)=(xi?yi)2

• 函数需要输入两个tensor，类型统一设置为float，否则会报错，也可以在全局设置torch.set_default_tensor_type(torch.FloatTensor)，也可以在计算时转换

loss=torch.nn.MSELoss()
c=torch.tensor([[1,2],[3,4]])
d=torch.tensor([[5,6],[7,8]])
loss(c.float(),d.float())

• 单个tensor正常求即可，多个求其平均loss。

item()方法

如果tensor只有一个元素，调用item会将tensor转为python中scalars；如果不是一个元素，则会报错。

Pytorch_with torch.no_grad()

requires_grad默认为False，如果某个节点被设置为True,那依赖它的节点的改参数都为True。例如y=xw，y依赖w，w的改参数设置为True时，y的该参数也变为True。 Pytorch较早版本中，有volatile该参数的设定比requires_grad的级别要高，主要是为了使某节点不求导，但现在已经被弃用。现在功能已经被with torch.no_grad代替：

x=torch.tensor([1],requires_grad=True)
with torch.no_grad():
    y = x * 10
y.requires_grad ###False
#也可以使用 @torch.no_grad()
@torch.no_grad()
def ten_folder(x):
    return x * 10
z= ten_folder(x)
z.requires_grad #结果为False 

Pytorch_torch.nn.MSELoss

标签：return   with   类型   使用   函数   ati   版本   float   预测   

原文地址：https://www.cnblogs.com/Cobby-baby/p/12369893.html