class ContentLoss(nn.Module): def __init__(self, target, weight): super(ContentLoss, self).__init__() # we 'detach' the target content from the tree used self.target = target.detach() * weight # to dynamically compute the gradient: this is a stated value, # not a variable. Otherwise the forward method of the criterion # will throw an error. self.weight = weight self.criterion = nn.MSELoss() def forward(self, input): self.loss = self.criterion(input * self.weight, self.target) self.output = input return self.output def backward(self, retain_graph=True): self.loss.backward(retain_graph=retain_graph) return self.loss

这是一个用于计算内容损失的 PyTorch 模块。它包括两个主要方法：forward 和 backward。forward 方法计算输入张量 input 与目标张量 target 之间的均方误差损失，并将其乘以权重 weight。backward 方法计算损失关于输入张量的梯度，并返回损失值。这个模块通常用于图像生成领域中的风格转移任务，其中需要最小化输入图像与目标图像之间的内容差异。