我现在正在使用 UNet 进行一些稀疏 CT 去噪，其中输入是稀疏重建，输出（希望）去除了条纹伪影。我正在使用 MSELoss 或 SmoothL1Loss 参考全采样重建来计算网络的损失。
现在，除了常规损失（例如计算输出和标签之间差异的 l2 范数）之外，我想要计算的是基于实际输出的 l2 范数的额外损失，类似于中的 l2 正则化参数一种迭代重建技术，如正则化最小二乘问题
1/2 |Ax - b|^2_2 + beta * |x|^2_2
我必须自己编写它，还是 Pytorch 有一些功能来实现“一元”损失而不是“二元”损失操作？
（我不想要 weight_decay 解决方案，我对正则化网络中的权重不感兴趣。我对正则化网络的输出非常感兴趣）