损失函数，是编译一个神经网络模型必须的两个参数之一，另一个是优化器。损失函数是指用于计算标签值和预测值之间差异的函数，常见的有多种损失函数可供选择，典型的有距离向量，绝对值向量等。

nn.L1Loss

L1Loss计算方法比较简单，原理就是取预测值和真实值的绝对误差的平均数。计算公式如下

nn.SmoothL1Loss

nn.SmoothL1Loss：计算分俩方面，当误差在 (-1,1) 上是平方损失，其他情况是L1 损失。计算公式如下：

nn.MSELoss

nn.MSELoss：计算公式是预测值和真实值之间的平方和的平均数。

nn.CrossEntropyLoss

交叉熵损失函数，常用于图像分类的神经网络中，计算方式如下：

nn.NLLLoss

负对数似然损失函数，这个损失函数一般也是用在图像识别模型上。和nn.CrossEntropyLoss的功能是非常相似的，通常都是用在多分类模型中，实际应用一般用NLLLoss比较多。