目前的损失函数多参考PaddleSeg，相关代码可以去往ppcd.losses下查看，如需使用自建的损失函数，请参考PaddleSeg自建组件的说明。包括自建模型也可参考。
| 损失函数 | 说明 |
|---|---|
| BCELoss | 图像二分类交叉熵 |
| DiceLoss | 处理正负样本不均衡 |
| MixedLoss | 可混合使用上面两个损失 |
| TripletLoss | 用于三元组损失计算 |
| BCLoss | 用于STANet中的距离度量 |
| ConstLoss | 返回常数损失，用于网络返回部分不需要计算损失的处理 |
| LabelL1Loss | 分类标签的损失（用于CDMI-Net等使用场景分类完成变化检测的任务） |
参考Paddle的自定义损失函数，与PaddleSeg中分割的损失通用。ppcd中定义如下：
import paddle.nn as nn
class NewLoss(nn.Layer):
def __init__(self, param1):
pass
def forward(self, x):
pass在ppcd中，损失的计算有三种方式：
- 单输出+单损失+单标签：计算输出和标签之间的损失；
- 多输出+多损失+单标签：分别计算每个输出和唯一标签之间对应的损失；
- 多输出+多损失+多标签：分别计算每个输出与其对应标签之间的对应损失。
所以在使用中一定要注意网络输出的顺序以及loss、标签的顺序。