nn.MSELoss()     该函数叫做平均平方误差，简称均方误差。它的英文名是meansquarederror，该损失函数是挨个元素计算的。该元素的公式如下：                 其连个输入参数，第一个参数是输出的参数，第二个参数是与之对比的参数。    loss=torch.nn.MSELoss(reduce=True,size_average=True)    1、 如果reduce=False，返回向量形式的loss　　　2、如果reduce=True，返回标量形式的loss    3、如果size_average=True，返回loss.mean();　　4、如果s

MSE均方损失函数应用：loss(xi,yi)=(xi−yi)2loss(xi,yi)=(xi−yi)2这里loss,x,y的维度是一样的，可以是向量或者矩阵，i是下标。很多的loss函数都有size_average和reduce两个布尔类型的参数。因为一般损失函数都是直接计算batch的数据，因此返回的loss结果都是维度为(batch_size,)的向量。(1)如果reduce=False，那么size_average参数失效，直接返回向量形式的loss(2)如果reduce=True，那么loss返回的是标量a)如果size_average=True，返回loss.mean();b)如果

一、函数介绍Pytorch中MSELoss函数的接口声明如下，具体网址可以点这里。torch.nn.MSELoss(size_average=None,reduce=None,reduction=‘mean’)该函数默认用于计算两个输入对应元素差值平方和的均值。具体地，在深度学习中，可以使用该函数用来计算两个特征图的相似性。二、使用方式importtorch#input和target分别为MESLoss的两个输入input=torch.tensor([0.,0.,0.])target=torch.tensor([1.,2.,3.])#MSELoss函数的具体使用方法如下所示，其中MSELoss