每天五分钟玩转深度学习框架pytorch：多种定义损失函数的方法
本文重点
再编译神经网络的时有两个必要的元素，其中一个是损失函数，另外一个是优化器。前面的专栏我们已经介绍了优化器，本节课程我们介绍损失函数。损失函数属于神经网络训练的第5步。
nn.Module 和 nn.functional的损失函数
我们前面介绍过nn.Module和nn.functional的区别，我们知道基本上两者可以完成同样的任务，就损失函数而言，二者也具有相同的损失函数，不同的是，nn.module采用类的方法定义损失函数，而nn.functional采用方法的方式来定义损失函数。
nn.Module中定义的损失函数
@weak_module
class MSELoss(_Loss):
__constants__ =['function']
def __init__(self,size_average=None,reduce=None,reduction='mean'):
super(MSELoss,self).__init__(size_average,reduce,reduction)
@weak_script_method
def forward(self,input,target):
return F.mse_loss(input,target,reduction=self.reduction)
如上代码所示是pytorch中已经封装好的MSE损失函数，我们可以看到在n