企业官网建设流程全解析

135、超分模型中的损失函数设计：从L1到感知损失的演进

一个让我失眠的夜晚

去年做某个超分项目，模型训练了三天，PSNR刷到了38.2dB，在公开测试集上吊打了好几个baseline。我兴高采烈地拿给产品经理看，他盯着放大后的图像沉默了十秒，说：“这脸怎么像蜡像？”

那一刻我意识到，PSNR高≠人眼看舒服。这个教训让我花了整整两周重新审视损失函数的设计。今天这篇笔记，就聊聊我在这个过程中踩过的坑和积累的经验。

L1/L2损失：最朴素的起点

最早的超分模型几乎清一色用MSE（L2损失）。代码写起来很简单：

# 别这样写！L2对异常值惩罚太重mse_loss=torch.nn.MSELoss()loss=mse_loss(sr