Neural network 为什么神经网络损失函数总是正的

我正在努力填补我的知识空白。在查看神经网络的大多数损失函数时，如mse、mae、L1、L2，损失始终记录为正值。我不明白的是为什么？为了根据需要提高或降低网络的权重，损耗函数不应该有正值或负值吗？

损耗函数如均方误差（MSE）函数总是给出正值损耗值。他们倾向于显示错误有多大，而不是在哪里发生的

假设我们的神经网络是一名篮球运动员。它的任务是 把球扔进篮里。如果球落在球的左边 篮子，误差为负。但是，如果它落在右边，那么 错误是肯定的。如果它落在篮子里，误差为0。这 方法之后是早期的损失函数。在这种情况下，MSE 给出了一个正的损失，并给出了关于球的损失 还没到篮下。球是否落下并不重要 在篮子的右边或左边

---

损失函数检测您的错误有多大。如果你没有错的话，它是0。消极是没有意义的。要提高或降低权重，你需要导数是正的或负的，它们可以是这样的。我想我的问题是，我在前面的关于左或右的术语中想到了它。网络是否能够自动更正其射击，而不知道它是否错过了目标的左侧或右侧？它这样做的能力让我感到困惑和怀疑。