如何在 PyTorch 中添加自定义定位损失函数？答案

【问题标题】：How to add a custom localization loss function in PyTorch?如何在 PyTorch 中添加自定义定位损失函数？
【发布时间】：2021-10-03 23:00:27
【问题描述】：

我有一个 PyTorch 网络，它使用 Wi-Fi RSS 数据预测设备的位置。所以输出层包含两个对应于x和y坐标的神经元。我想使用平均定位误差作为损失函数。

即。损失=均值（sqrt（（x_predicted - X_real）^2 +（y_predicted - y_real）^2））

该等式计算预测位置与实际位置之间的误差距离。我怎样才能包含这个而不是 MSE？

【问题讨论】：

标签： neural-network pytorch loss-function

【解决方案1】：

正如您在tutorial 中看到的，只需实现一个criterion 函数（您可以随意命名）并使用它：

def custom_loss(output, label):
   return torch.mean(torch.sqrt(torch.sum((output - label)**2)))

以及代码中的（从链接教程中窃取）：

for epoch in range(2):  # loop over the dataset multiple times

    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        # get the inputs; data is a list of [inputs, labels]
        inputs, labels = data

        # zero the parameter gradients
        optimizer.zero_grad()

        # forward + backward + optimize
        outputs = net(inputs)
        loss = custom_loss(outputs, labels)
        loss.backward()
        optimizer.step()

        # print statistics
        running_loss += loss.item()
        if i % 2000 == 1999:    # print every 2000 mini-batches
            print('[%d, %5d] loss: %.3f' %
                  (epoch + 1, i + 1, running_loss / 2000))
            running_loss = 0.0

print('Finished Training')

HTH

【讨论】：