有哪个损失函数可以单纯的计算两个张量（图像）之间的误差，并且不要求Height和Width维度相同？或者有哪个方法可以重塑（扩展）需要计算梯度的张量？

在做 时间序列预测 / 未来帧预测的时候，我遇到了一个问题，那就是从NN输出的我预测的图像（比如第0.1秒的帧）和原本第0.1的真实图像做loss计算时，我不知道该如何选择损失函数。我尝试了2种损失函数：MSELoss和CrossEntropy，但都会出现问题，下面是具体情况：
我的训练代码

```python
    for epoch in range(50):
        print('epoch {}'.format(epoch + 1))
        train_loss = 0.
        train_acc = 0.
        for batch_Group, batch_target in train_loader:
            for Group, target in zip(batch_Group, batch_target):
                inputs_20, target_1 = Variable(Group).cuda(), Variable(target).cuda()
                prediction = model(inputs_20)
                print(prediction.shape)
                print(target_1.shape)

                for i in range(BATCH_SIZE):
                    print(prediction[i].shape)
                    print(target_1.shape)
                    loss = loss_func(prediction[i], target_1)
                    optimizer.zero_grad() 
                    loss.backward()  # 计算梯度/反向传播
                    optimizer.step()  # 更新网络参数
我的预测帧是【 3， 684，76】，原图像的帧是【3，686，76】
在我尝试第一种nn.CrossEntropy时，遇到了一个报错

img

我理解报错原因，预测帧作为input的【3， 684，76】分别代表batch_size、number of classes 和 图像维度

如果要计算，target只允许有2个维度（我的pytorch是1.9.1），分别是batch_size 和 图像维度

img

但我并不是做图像分类，我只是做图像预测，没有类别可言，更没有类别的可能性之言，所以我无法使用Crossentropy

在我尝试第二种nn.MSELoss时，遇到的报错是：

img

同样，我也理解报错原因，因为维度不相同
并且我还知道pytorch的 broadcasting机制，如果我的target是【3】或者【3，1，1】，我也可以解决这个bug，但我觉得这会影响我的误差计算
所以我现在需要一个损失函数，可以单纯的计算两张图像之间的误差（可以是像素级的差异），并且不要求Height和Width完全一致，也就是【channels，H，W】中的H和W
或者，你也可以告诉我如何将NN输出的【3，672，64】通过某个tensor的方法扩展为【3，686，76】，因为我使用其他扩展tensor的方法不可以。比如reshape会告诉我元素数不够，expand会告诉我只能扩展起始维度为1。而tensor.resize_又告诉我计算梯度的张量不可以重塑！