分类问题和回归问题常使用的损失函数如下：

分类问题

• 交叉熵损失函数（Cross-Entropy Loss）：用于衡量两个概率分布之间的差异，在多分类问题中广泛应用。

ce_loss = nn.CrossEntropyLoss()

回归问题

• 均方误差损失函数（Mean Squared Error, MSE）：最常用，计算预测值与真实值之差的平方的均值，能反映预测值与真实值的平均偏离程度，对较大误差惩罚较重。

mse_loss = nn.MSELoss()

• 平均绝对误差损失函数（Mean Absolute Error, MAE）：计算预测值与真实值之差的绝对值的均值，对异常值的鲁棒性比MSE好，更能反映预测值与真实值的平均绝对偏差。