Začněte nyníZačněte zdarma

Použití MSELoss

Pro regresní úlohy se jako ztrátová funkce často používá střední kvadratická chyba (MSE) místo křížové entropie. MSE počítá kvadratický rozdíl mezi předpovězenými hodnotami (y_pred) a skutečnými hodnotami (y). Teď vypočítáš MSE loss pomocí NumPy i PyTorche.

Balíčky torch, numpy (jako np) a torch.nn (jako nn) jsou už naimportované.

Toto cvičení je součástí kurzu

Introduction to Deep Learning with PyTorch

Zobrazit kurz

Pokyny k cvičení

  • Vypočítej MSE loss pomocí NumPy.
  • Vytvoř ztrátovou funkci MSE pomocí PyTorche.
  • Převeď y_pred a y na tensory a pak vypočítej MSE loss jako mse_pytorch.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

y_pred = np.array([3, 5.0, 2.5, 7.0])  
y = np.array([3.0, 4.5, 2.0, 8.0])     

# Calculate MSE using NumPy
mse_numpy = ____

# Create the MSELoss function in PyTorch
criterion = ____

# Calculate MSE using PyTorch
mse_pytorch = ____(torch.tensor(____), ____)

print("MSE (NumPy):", mse_numpy)
print("MSE (PyTorch):", mse_pytorch)
Upravit a spustit kód