Pytorch自定义Loss_pytorch 自定义 loss

Pytorch如何自定义Loss

设置空loss：

loss=torch.tensor(0).float().to(outs[0].device)

这个可以试试：

regression_losses.append(torch.tensor(0).float().cuda())

 reg_loss=torch.stack(regression_losses).mean(dim=0, keepdim=True)

自定义MSEloss实现：
 
class My_loss(nn.Module):
    def __init__(self):
        super().__init__()
        
    def forward(self, x, y):
        return torch.mean(torch.pow((x - y), 2))

使用：

criterion = My_loss()
 
loss = criterion(outputs, targets)

将Loss视作单独的层，在forward函数里写明loss的计算方式，无需定义backward

class MyLoss(nn.Module):
 
    def __init__(self):
 
        super(MyLoss, self).__init__()
 
 
 
    def forward(self, pred, truth):
 
    return torch.mean(torc