mindspore.ops.mse_loss

mindspore.ops.mse_loss(input, target, reduction='mean')

计算预测值和标签值之间的均方误差。

更多参考详见 mindspore.nn.MSELoss。

参数：

• input (Tensor) - 任意维度的Tensor。

• target (Tensor) - 输入标签，任意维度的Tensor。大多数场景下与 input 具有相同的shape。 但是，也支持在两者shape不相同的情况下，通过广播保持一致。

• reduction (str，可选) - 指定应用于输出结果的规约计算方式，可选 'none' 、 'mean' 、 'sum' ，默认值： 'mean' 。

  • "none"：不应用规约方法。

  • "mean"：计算输出元素的平均值。

  • "sum"：计算输出元素的总和。

返回：

Tensor，数据类型为float，如果 reduction 为 'mean' 或 'sum' 时，shape为0；如果 reduction 为 'none' ，输入的shape则是广播之后的shape。

异常：

• ValueError - 如果 reduction 的值不是以下其中之一时：'none' 、 'mean' 、 'sum' 。

• ValueError - 如果 input 和 target 的shape不相同且无法广播。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> logits = Tensor(np.array([1, 2, 3]), mindspore.float32)
>>> labels = Tensor(np.array([[1, 1, 1], [1, 2, 2]]), mindspore.float32)
>>> output = ops.mse_loss(logits, labels, reduction='none')
>>> print(output)
[[0. 1. 4.]
 [0. 0. 1.]]