在背景中写LSTM目标函数时，prediction的tensor和target的tensor需要计算损耗函数并反向传播，但由于判断能否采用该输入法的维度可以在MSELoss中计算，因此要进行验证
MSELoss计算目标均方根误差
代码如下所示： importtorchimporttorch.nnasnnprediction=torch.ones (2，1，5 ) #(seq_len，batch_size，output_size ) output _ size (b _ ytensor ) [ [ 1.3559，-0.5194，-0.8714，-0.1699，-1.0660]]，[ 0.7905，1.9387，-0.7158， 0.7158] -0.8898]]] ) b_y=b_y.type(torch.floattensor ).to ) CPU ' ) prediction=pridiction.type ) torch b_y ) losstensor ) 1.6836 )然后loss.item )检索标量浮点数据1.6836，可用于后续计算
计算方法如下。
sum_=0.0L=[0.3559、1.5194、1.8714、1.1699、2.066、0.2095、0.9387、0.2842、0.8270和1.8898 ] fornuminl 3: sum， 输出1.6835491759999996对于通过共面匹配pytorch实现LSTM的例子，可以参考通过pytorch实现LSTM
来自csdn的数据：系列预测