La fonction de perte mesure l'écart entre les prédictions et les valeurs attendues ; c'est la quantité que l'entraînement cherche à minimiser. On utilise l'erreur quadratique (MSELoss) en régression, l'entropie croisée (CrossEntropyLoss) en classification. Elle doit être différentiable pour calculer un gradient.
Exemple
perte = nn.CrossEntropyLoss()(logits, cibles)