Función PyTorch torch.nn.L1Loss
Manual de referencia de PyTorch torch.nn
torch.nn.L1LossEs la función de pérdida L1 en PyTorch, también conocida como error absoluto medio (MAE).
Definición de la función
torch.nn.L1Loss(reduction='mean')
Ejemplo de uso
Ejemplo 1: Uso básico
Ejemplo
import torch
import torch.nn as nn
criterion = nn.L1Loss()
pred = torch.tensor([3.0, 4.0, 5.0])
target = torch.tensor([2.0, 4.5, 5.5])
loss = criterion(pred, target)
print("L1 Loss:", loss.item())
# Verificación manual
manual = (pred - target).abs().mean()
print("Cálculo manual:", manual.item())
import torch.nn as nn
criterion = nn.L1Loss()
pred = torch.tensor([3.0, 4.0, 5.0])
target = torch.tensor([2.0, 4.5, 5.5])
loss = criterion(pred, target)
print("L1 Loss:", loss.item())
# Verificación manual
manual = (pred - target).abs().mean()
print("Cálculo manual:", manual.item())
Ejemplo 2: Comparación con MSE
Ejemplo
import torch
import torch.nn as nn
pred = torch.tensor([10.0, 20.0])
target = torch.tensor([0.0, 0.0])
print("L1 Loss (robusto ante valores atípicos):", nn.L1Loss()(pred, target).item())
print("MSE Loss (sensible a valores atípicos):", nn.MSELoss()(pred, target).item())
import torch.nn as nn
pred = torch.tensor([10.0, 20.0])
target = torch.tensor([0.0, 0.0])
print("L1 Loss (robusto ante valores atípicos):", nn.L1Loss()(pred, target).item())
print("MSE Loss (sensible a valores atípicos):", nn.MSELoss()(pred, target).item())
Escenarios de uso
- Tareas de regresión: Se necesita robustez
- Valores atípicos: Datos ruidosos
- Regularización L1: Dispersión
Otras extensiones