合集请看：pyTorch入门合集
参考视频：https://www.bilibili.com/video/BV1hE411t7RN/?spm_id_from=333.337.search-card.all.click

损失函数的用处

1、计算实际输出和目标之间的差距
2、为我们更新输出提供一定的依据（反向传播）
[[003深度学习入门——神经网络的学习]]
[[004深度学习入门——误差反向传播法]]

计算实际输出和目标之间的差距

单独代码

import torch  
from torch.nn import L1Loss  

inputs = torch.tensor([1,2,3], dtype=torch.float32)  
targets = torch.tensor([1,2,5], dtype=torch.float32)  

inputs = torch.reshape(inputs,(1,1,1,3))  
targets = torch.reshape(targets,(1,1,1,3))  

loss = L1Loss()  
result = loss(inputs,targets)  

print(result)

可以看到，其实还是很简单的，pytorch也提供了除L1Loss以外的很多种损失函数

代码

for data in dataloader:  
    imgs, targets = data  
    outputs = pan(imgs)  
    result_loss = loss(outputs, targets)  
    print(result_loss)

反向传播

通过 result_loss.backward()计算梯度（grad）来进行反向传播与优化