在Torch中常用的損失函數包括：
- nn.CrossEntropyLoss：交叉熵損失函數，常用于多分類問題。
- nn.MSELoss：均方誤差損失函數，常用于回歸問題。
- nn.L1Loss：L1損失函數，也稱為絕對值損失，常用于回歸問題。
- nn.BCELoss：二元交叉熵損失函數，常用于二分類問題。
- nn.NLLLoss：負對數似然損失函數，常用于多分類問題。
- nn.KLDivLoss：KL散度損失函數，常用于度量兩個概率分布之間的差異。
- nn.BCEWithLogitsLoss：結合了二元交叉熵損失和Sigmoid函數，常用于二分類問題。
- nn.BCEWithLogitsLoss：結合了多分類交叉熵損失和Softmax函數，常用于多分類問題。
這些是Torch中常用的損失函數，根據具體的任務和模型選擇合適的損失函數來進行訓練。
