个人感觉相当于L2范式开平方,也相当于针对两个向量的欧氏距离开平方
说的更直白点就是两个向量对应位置相减得到每个位置的差,然后把每个位置的差开平方再相加
前向传播cpp代码:
template <typename Dtype> void EuclideanLossLayer<Dtype>::Forward_cpu(const vector<Blob<Dtype>*>& bottom,const vector<Blob<Dtype>*>& top) {int count = bottom[0]->count();caffe_sub(count,bottom[0]->cpu_data(),bottom[1]->cpu_data(),diff_.mutable_cpu_data());Dtype dot = caffe_cpu_dot(count, diff_.cpu_data(), diff_.cpu_data());Dtype loss = dot / bottom[0]->num() / Dtype(2);top[0]->mutable_cpu_data()[0] = loss; }
注意:caffe_cpu_dot做的是点积,点积对应点相乘后还要把所有这些乘积结果相加,不只是做乘积
将bottom0和bottom1按照对应位置相减赋值给diff_这个blob,对这个blob中所有数字开平方相加起来就是loss
