mindspore.ops.mse_loss
- mindspore.ops.mse_loss(input, target, reduction='mean')[源代码]
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.]]