一、损失函数
1、平均绝对误差损失函数（L1）
定义：预测值与目标前的绝对值的平均值
2、均方误差损失函数（L2）
定义：预测值与目标值的差的平方的平均值
loss = paddle.fluid.layers.square_error_cost(input, label)
paddle/fluid/layers/nn.py
3、平滑平均绝对误差函数（Huber）
定义：当预测值与目标值的差很大时，使用平均绝对误差；当预测值与目标值的差很小时，使用均方误差
4、双曲余弦损失函数（Log-Cosh）
5、分位数损失函数（Quantile）
定义：对预测值与目标值的差的正和负实施不同的惩罚