PyTorch torch.nn.L1Loss 関数
PyTorch torch.nn リファレンスマニュアルtorch.nn.L1Lossは PyTorch の L1 損失関数で、平均絶対誤差（MAE）とも呼ばれます。
関数定義
torch.nn.L1Loss(reduction='mean')
使用例
例1: 基本的な使い方
実例
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())
# 手動検証
manual = (pred - target).abs().mean()
print("手動計算:", 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())
# 手動検証
manual = (pred - target).abs().mean()
print("手動計算:", manual.item())
例2: MSEとの比較
実例
import torch
import torch.nn as nn
pred = torch.tensor([10.0, 20.0])
target = torch.tensor([0.0, 0.0])
print("L1 Loss（外れ値に対してロバスト）:", nn.L1Loss()(pred, target).item())
print("MSE Loss（外れ値に敏感）:", 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（外れ値に対してロバスト）:", nn.L1Loss()(pred, target).item())
print("MSE Loss（外れ値に敏感）:", nn.MSELoss()(pred, target).item())
使用シーン
- 回帰タスク: ロバスト性が必要
- 外れ値: ノイズデータ
- L1正則化: スパース化
その他の拡張