问题描述
我现在正在用 UNets 做一些稀疏 CT 去噪，其中输入是稀疏重建，输出（希望）去除了条纹伪影。我参考全采样重建使用 MSELoss 或 SmoothL1Loss 计算网络的损失。
现在，除了常规损失（您计算例如输出和标签之间差异的 l2 范数）之外，我想计算的是基于实际输出的 l2 范数的额外损失，类似于 l2正则化最小二乘问题等迭代重建技术中的正则化参数
1/2 |Ax - b|^2_2 + beta * |x|^2_2
我必须自己编写，还是 Pytorch 有一些功能可以实现“一元”损失而不是“二元”损失操作？
（我不想要 weight_decay 解决方案，我对调整网络中的权重不感兴趣。我对调整网络的输出非常感兴趣）
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）