l1_loss¶
计算输入 input 和标签 label 间的 L1 loss 损失。
该损失函数的数学计算公式如下：
当 reduction 设置为 'none' 时，
\[Out = \lvert input - label\rvert\]
当 reduction 设置为 'mean' 时，
\[Out = MEAN(\lvert input - label\rvert)\]
当 reduction 设置为 'sum' 时，
\[Out = SUM(\lvert input - label\rvert)\]
参数¶
input (Tensor): - 输入的 Tensor，维度是[N, *]，其中 N 是 batch size， * 是任意数量的额外维度。数据类型为：float32、float64、int32、int64。
label (Tensor): - 标签，维度是[N, *]，与
input相同。数据类型为：float32、float64、int32、int64。reduction (str，可选): - 指定应用于输出结果的计算方式，可选值有：
'none','mean','sum'。默认为'mean'，计算 L1Loss 的均值；设置为'sum'时，计算 L1Loss 的总和；设置为'none'时，则返回 L1Loss。name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。
返回¶
Tensor，输入 input 和标签 label 间的 L1 loss 损失。如果 reduction 是 'none'，则输出 Loss 的维度为 [N, *]，与输入 input 相同。如果 reduction 是 'mean' 或 'sum'，则输出 Loss 的维度为 [1]。
代码示例¶
import paddle
input = paddle.to_tensor([[1.5, 0.8], [0.2, 1.3]])
label = paddle.to_tensor([[1.7, 1], [0.4, 0.5]])
l1_loss = paddle.nn.functional.l1_loss(input, label)
print(l1_loss.numpy())
# [0.35]
l1_loss = paddle.nn.functional.l1_loss(input, label, reduction='none')
print(l1_loss.numpy())
# [[0.20000005 0.19999999]
# [0.2 0.79999995]]
l1_loss = paddle.nn.functional.l1_loss(input, label, reduction='sum')
print(l1_loss.numpy())
# [1.4]