pytorch 损失函数

PyTorch 提供了许多常用的损失函数，用于衡量模型输出与真实值之间的差异。以下是一些常见的 PyTorch 损失函数：

1. `nn.MSELoss()`：均方误差损失函数，用于回归任务。
2. `nn.L1Loss()`：绝对值损失函数，也用于回归任务。
3. `nn.CrossEntropyLoss()`：交叉熵损失函数，常用于多分类任务。
4. `nn.BCELoss()`：二分类交叉熵损失函数，用于二分类任务。
5. `nn.BCEWithLogitsLoss()`：结合了 sigmoid 函数和二分类交叉熵损失的函数，用于二分类任务。
6. `nn.NLLLoss()`：负对数似然损失函数，用于多分类任务。
7. `nn.KLDivLoss()`：Kullback-Leibler 散度损失函数，用于衡量两个概率分布之间的差异。

这只是一部分常见的损失函数，PyTorch 还提供了更多的损失函数，你可以根据具体任务的需要选择合适的损失函数。