文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.nn.RMSELoss

class mindspore.nn.RMSELoss

RMSELoss creates a standard to measure the root mean square error between $x$ and $y$ element-wise, where $x$ is the input and $y$ is the target.

For simplicity, let $x$ and $y$ be 1-dimensional Tensor with length $M$ and $N$, the unreduced loss (i.e. with argument reduction set to ‘none’) of $x$ and $y$ is given as:

$$\begin{array}{r}loss=\{\begin{array}{ll}\sqrt{\frac{1}{M}\sum _{m=1,n=1}^{M,N}(x_m-y_n{)}^2},& \text{if M > N }\\ \\ \sqrt{\frac{1}{N}\sum _{m=1,n=1}^{M,N}(x_m-y_n{)}^2},& \text{if M < N }\end{array}\end{array}$$

Inputs:

• logits (Tensor) - Tensor of shape $(x_1,x_2,...,x_M)$.

• labels (Tensor) - Tensor of shape $(y_1,y_2,...,y_N)$.

Outputs:

Tensor, weighted loss float tensor.

Supported Platforms:

Ascend GPU CPU

Examples

>>> loss = nn.RMSELoss()
>>> logits = Tensor(np.array([1, 2, 3]), mindspore.float32)
>>> labels = Tensor(np.array([1, 2, 2]), mindspore.float32)
>>> output = loss(logits, labels)
>>> print(output)
0.57735026