在Torch中常用的損失函數包括：
- nn.MSELoss：均方誤差損失，用于回歸問題。
- nn.CrossEntropyLoss：交叉熵損失，多分類問題中常用。
- nn.NLLLoss：負對數似然損失，也常用于多分類問題。
- nn.BCELoss：二元交叉熵損失，用于二分類問題。
- nn.BCEWithLogitsLoss：帶sigmoid函數的二元交叉熵損失。
- nn.KLDivLoss：KL散度損失，用于度量兩個概率分布的相似度。
- nn.TripletMarginLoss：三元組損失，用于學習特征表示。
除了上述損失函數，Torch還提供了很多其他損失函數，可以根據具體的任務需求選擇合適的損失函數。
