一、均方差Mean Squared Error
torch.norm(y-pred, 2).pow(2)二、交叉熵Cross Entropy
信息熵：
，越大越稳定。
交叉熵：
，
。
其中KL散度代表了两个分布的，重合度越高，KL散度值越低，完全重合KL散度为0。 如果P=Q时，H(p,q) = H(p), 对于one-hot编码，若使模型预测的Pθ(p,q)接近真实值Pr(p,q)，两者相等时即为H(p,q)=0。
二分类问题举例：非cat即dog
设真实值为y，预测值为p，H(y,p) = -（ylogp + (1-y)log(1-p)）, 若y=1的话，H(y,p) = -logp，H(y,p)要最小，即p要最大化, 而p = P(y = 1 | x), 故优化是合理的，刚好让y=1的概率最大，与目标y=1，是一致的。 若y=0，H(y,p) = -log(1-p)，H(y,p)要最小, 即要最大化log(1-p), 即p最小化, 而p = P(y = 1 | x)，也就是最大化y=0的概率，与目标y=0，是一致的, 故优化是合理的。
多分类问题举例：
上面的Q1和下面的Q1算出来的H，上面的H大，下面的H小，说明下面的效果好，与我们实际观测到的下面的Q1比上面的Q1好是一致的，说明通过交叉熵来优化也是可行的。对比于mse，0.4到0.98，优化了0.3~0.4，而cross entropy优化了0.9左右，梯度更大了，优化更快了。
扫描二维码关注公众号，回复：
10125309 查看本文章
关于MSE和cross Entropy的取舍：
代码：F.cross_entropy()自动完成了softmax+cross-entropy
