O notebook foi ajustado para comparar duas funções de perda em um problema de regressão: MSELoss e L1Loss. A MSELoss calcula o erro quadrático médio, penalizando mais fortemente erros grandes, enquanto a L1Loss calcula a distância absoluta média entre os valores previstos e reais. Ao executar as duas funções no mesmo conjunto de predições, é possível observar que elas retornam valores em escalas diferentes, pois a MSE trabalha com diferenças ao quadrado e a L1 mantém uma interpretação mais direta da distância média entre predição e rótulo.
Segue o link: https://github.com/Moquiuti/Rede-Neural-Deep-Learning-com-PyTorch/blob/main/Fun%C3%A7%C3%B5es_de_Perda.ipynb
