mindspore.ops.mse_loss
======================

.. image:: https://mindspore-website.obs.cn-north-4.myhuaweicloud.com/website-images/master/resource/_static/logo_source.svg
    :target: https://gitee.com/mindspore/mindspore/blob/master/docs/api/api_python/ops/mindspore.ops.func_mse_loss.rst
    :alt: 查看源文件


.. py:function:: mindspore.ops.mse_loss(input, target, reduction='mean')

    计算预测值和标签值之间的均方误差。

    更多参考详见 :class:`mindspore.nn.MSELoss`。

    参数：
        - **input** (Tensor) - 任意维度的Tensor。
        - **target** (Tensor) - 输入标签，任意维度的Tensor。大多数场景下与 `input` 具有相同的shape。
          但是，也支持在两者shape不相同的情况下，通过广播保持一致。
        - **reduction** (str，可选) - 指定应用于输出结果的规约计算方式，可选 ``'none'`` 、 ``'mean'`` 、 ``'sum'`` ，默认值： ``'mean'`` 。

          - ``"none"``：不应用规约方法。
          - ``"mean"``：计算输出元素的平均值。
          - ``"sum"``：计算输出元素的总和。

    返回：
        Tensor，数据类型为float，如果 `reduction` 为 ``'mean'`` 或 ``'sum'`` 时，shape为0；如果 `reduction` 为 ``'none'`` ，输入的shape则是广播之后的shape。

    异常：
        - **ValueError** - 如果 `reduction` 的值不是以下其中之一时：``'none'`` 、 ``'mean'`` 、 ``'sum'`` 。
        - **ValueError** - 如果 `input` 和 `target` 的shape不相同且无法广播。