在Pytorch中自定义距离损失功能？

Question

我想在pytorch中实现以下距离损失功能。我正在关注pytorch论坛上的https://discuss.pytorch.org/t/custom-loss-functions/29387/4主题

np.linalg.norm(output - target)
# where output.shape = [1, 2] and target.shape = [1, 2]

所以我实现了这样的损失功能

def my_loss(output, target):    
    loss = torch.tensor(np.linalg.norm(output.detach().numpy() - target.detach().numpy()))
    return loss

使用此损失函数，向后调用会产生运行时错误

RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn

我的整个代码看起来像这样

model = nn.Linear(2, 2)

x = torch.randn(1, 2)
target = torch.randn(1, 2)
output = model(x)

loss = my_loss(output, target)
loss.backward()   <----- Error here

print(model.weight.grad)

PS：我知道pytorch是成对丢失的，但是由于它的某些限制，我必须自己实现。

按照pytorch源代码，我尝试了以下操作，

class my_function(torch.nn.Module): # forgot to define backward()
    def forward(self, output, target):

        loss = torch.tensor(np.linalg.norm(output.detach().numpy() - target.detach().numpy()))
        return loss

model = nn.Linear(2, 2)
x = torch.randn(1, 2)
target = torch.randn(1, 2)
output = model(x)

criterion = my_function()

loss = criterion(output, target)


loss.backward()
print(model.weight.grad)

我得到运行时错误

RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn

如何正确实现损失功能？

Answer 1

发生这种情况的原因是，在损失函数中，您正在分离张量。您必须分离，因为您想使用np.linalg.norm。这会破坏图形，并且您会得到张量没有梯度fn的错误。

您可以更换

loss = torch.tensor(np.linalg.norm(output.detach().numpy() - target.detach().numpy()))

通过火炬操作

loss = torch.norm(output-target)

这应该工作正常。