まず、損失関数の概念
損失関数：実際のラベルとモデル出力の違いを測定します
- 損失関数の機能喪失：損失= F（Y ^、Y）
- 関数コスト関数コスト：。コスト= 1 / [シグマF N（Y ^、Y）
- 関数目的での目的関数：OBJの=コスト+正則
第二に、クロスエントロピー損失関数
三、NLL \ BCE \ BCEWithLogits損失。
5、nn.L1Loss
機能：計算対象との入力の差の絶対値
6、nn.MSELoss
機能：計算対象との入力の差広場
主なパラメータ：削減：計算モード、なし/合計/平均ため
なし：要素による計算要素
合計：すべての要素の合計は、スカラーを返します。
意味：加重平均、リターンスカラー
7、nn.SmoothL1Loss
8、nn.PoissonNULLLoss
機能：負のポアソン対数尤度関数の損失
主なパラメータ：log_input：入力が対数であるか否かを、式を計算することを決めました
フル：すべての損失を計算し、デフォルトはFalseです
EPS：補正項、ログを避けるために（入力）ナンです
9、nn.KLDivLoss
関数：計算KLD（発散）、KL発散、相対エントロピー
注：このようなnn.logsoftmaxなどによって予め計算入力対数確率、（）
主なパラメータ：
削減：なし/合計/平均/ batchmean
batchmean-バッチサイズ寸法平均
10、nn.MarginRankingLoss
機能：タスクをソートするために、2つのベクトル間の類似度を計算
特別注：この方法は、データの2つのセットのリターンロス行列N * Nの間の差分を算出します
主なパラメータ：
マージン：境界値、X1とX2との差分値
削減：計算モード、なし/合計/平均ため
11、nn.MultiLabelSoftMarginLoss
12、nn.SoftMarginLoss
機能：計算のバイナリロジスティック損失
主なパラメータ：削減
13、nn.MultiLabelSoftMarginLoss
機能：SoftMarginLossマルチラベルバージョン
主なパラメータ：体重：他の損失セットの権限のすべての種類
削減：
14、nn.MultiMarginLoss
機能：マルチ倍損失の計算分類
主なパラメータ：P：1又はあるいは2
重量：
マージン：境界値
削減
15、nn.TripletMarginLoss
機能：計算トリプル損失、一般的に顔認証で使用されます
主なパラメータ：Pマージンの減少
16 nn.HingeEmbeddingLoss
機能：2つの入力の類似度を計算し、一般に埋め込み非線形半教師付き学習のために使用
特別な注意：入力xすべき2つの入力の差の絶対値
主なパラメータ：マージンの減少
17、nn.CosineEmbeddingLoss
機能：コサイン類似度は、2つの入力の類似度を用いて計算し
主なパラメータ：マージンの減少
18、nn.CTCLoss
機能：計算CTC損失は、分類カテゴリタイミングデータConnctionist時間的分類を解決します
主なパラメータ：空白：空白のラベル
zero_infinity：無限0に設定された値又は勾配
削減