损失函数总结
首先直接贴上个人看过比较好的一些的解析：
- 深度学习之常用损失函数
- 损失函数loss大总结
损失函数（Loss Function）
pytorch中的gather函数_PyTorch中的损失函数–L1Loss /L2Loss/SmoothL1Loss
很全的Pytorch loss函数汇总：
- pytorch loss function 总结
部分特殊损失函数详解
1. 余弦损失函数 torch.nn.CosineEmbeddingLoss
- 余弦损失函数，常常用于评估两个向量的相似性，两个向量的余弦值越高，则相似性越高。
-
x：包括x1和x2，即需要计算相似度的prediction和GT； -
y：相当于人为给定的flag，决定按哪种方式计算得到loss的结果。
使用说明：文章来源：https://www.toymoban.com/news/detail-703593.html
- 如果需要约束使x1和x2尽可能的相似，那么就使用
y=1，prediction和GT完全一致时，loss为0，反之亦然。
使用示例：文章来源地址https://www.toymoban.com/news/detail-703593.html
input1 = torch.randn(100, 128)
input2 = torch.randn(100, 128)
cos = nn.CosineEmbeddingLoss(reduction='mean')
loss_flag = torch.ones([100]) # 需要初始化一个N维的1或-1
output = cos(input1, input2, loss_flag)
print(output) # tensor(1.0003)
到了这里，关于Pytorch——常用损失函数详解的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
