【发布时间】：2021-06-27 09:54:29
【问题描述】：
我正在尝试训练一个使用多重损失的模型。我注意到在某些实现中，单个损失函数被声明为 loss_fct = nn.LossFunction() 并多次用于计算单独的损失，这些损失被求和并反向传播。例如：
loss_fct = nn.LossFunction()
loss1 = loss_fct(pred1, labels1)
loss2 = loss_fct(pred2, labels2)
total_loss = loss1 + loss2
total_loss.backward()
optimizer.step()
这样可以吗，还是我应该为每个损失声明单独的损失函数对象？如果这没问题，为什么没问题？这对我来说似乎违反直觉，因为它们是我们根据不同目的优化的单独损失。一次求和和反向传播有点道理，但我无法使用单个损失对象来解决问题。
【问题讨论】：
-
不确定我是否理解这个问题，但这比
nn.LossFunction()(pred1, labels1)更简洁 -
我想我在阅读评论后可能会有更好的想法。我最初认为损失函数本身就是我们正在优化的东西，但将其简单地视为一个函数是否正确？所以只要我们提供不同的输入，我们是否重用同一个对象并不重要？
-
没错。 Python 函数可以像其他任何东西一样保存为变量，并且（理想情况下）是无状态的，因此使用来自它们的不同输入就可以了。
-
特别是损失函数是具有自定义
__call__方法的类。它们以这种方式实现（而不仅仅是一个普通函数），因为它们可以通过各种方式进行参数化。