关于pytorch nn.MSELoss损失的补充介绍

正常情况下，对于关键点检测网络而言，假设原图大小【550，550】，当关键点的分类为1.输出的特征图大小为【1，550，550】，然后gt也被制作成【1，550，550】的高斯特征图，但是最近的一次实验发现，当输出为【4，550，550】的时候准确率更高，提升了2个百分点，那么【4，550，550】怎样跟【1，550，550】计算MSELoss的呢？不同维度的Tensor之间也能计算MSELoss么？

>>> input
tensor([[1., 2.],
        [3., 4.]], dtype=torch.float64)
>>> target
tensor([[5., 6.]], dtype=torch.float64)
>>> loss=nn.MSELoss(input,target)
>>> result=loss(input,target)
>>> result
tensor(10., dtype=torch.float64)

input的每个维度和gt都要计算差的幂次的求和，然后多个维度的值进行累加，再除以input像素值个数（H*W）；
这样再推理过程中也要使用特征图多个维度累加再除以维度；