pytorch均方差损失函数

PyTorch中的均方差损失函数（Mean Squared Error，MSE）是通过计算预测值与实际值之间的差异来评估模型的性能的一个常用的损失函数。MSE衡量的是预测值与真实值之间的平均二次差异，其公式为：

$MSE = \frac{1}{n}\sum_{i=1}^{n}(y_i - \hat{y_i})^2$

其中，$n$表示样本数量，$y_i$表示真实值，$\hat{y_i}$表示预测值。

在PyTorch中，可以通过`torch.nn.MSELoss()`来实现均方差损失函数的计算。例如，对于一个模型的输出值`output`和目标值`target`，可以按照以下方式计算MSE损失：

criterion = torch.nn.MSELoss()
loss = criterion(output, target)

其中，`criterion`表示损失函数，`loss`表示计算出的损失值。