比较与torch.nn.L1Loss的功能差异

torch.nn.L1Loss

torch.nn.L1Loss(size_average=None, reduce=None, reduction='mean')(input, target) -> Tensor

更多内容详见torch.nn.L1Loss。

mindspore.nn.L1Loss

mindspore.nn.L1Loss(reduction='mean')(logits, labels) -> Tensor

更多内容详见mindspore.nn.L1Loss。

差异对比

PyTorch：L1Loss用于计算预测值和目标值之间的平均绝对误差。

MindSpore：包含PyTorch功能，当logits和labels的shape不同但可以互相广播时，仍可运行，PyTorch不可以。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	size_average	-	已弃用，功能由reduction接替
	参数2	reduce	-	已弃用，功能由reduction接替
	参数3	reduction	reduction	-
输入	输入1	input	logits	功能一致，参数名不同
	输入2	target	labels	功能一致，参数名不同

代码示例

两API功能一致，用法相同。

# PyTorch
import torch
import torch.nn as nn

loss = nn.L1Loss()
input = torch.tensor([2, 2, 3], dtype=torch.float32)
target = torch.tensor([1, 2, 2], dtype=torch.float32)
output = loss(input, target)
output = output.detach().numpy()
print(output)
# 0.6666667

# MindSpore
import mindspore
from mindspore import Tensor, nn
import numpy as np

loss = nn.L1Loss()
logits = Tensor(np.array([2, 2, 3]), mindspore.float32)
labels = Tensor(np.array([1, 2, 2]), mindspore.float32)
output = loss(logits, labels)
print(output)
# 0.6666667