ComenzarEmpieza gratis

Utilizar el MSELoss

Para los problemas de regresión, a menudo se utiliza el error cuadrático medio (MSE) como función de pérdida en lugar de la entropía cruzada. El MSE calcula la diferencia al cuadrado entre los valores previstos (y_pred) y los valores reales (y). Ahora, calcularás la pérdida MSE utilizando tanto NumPy como PyTorch.

Los paquetes torch, numpy (como np), y torch.nn (como nn) ya están importados.

Este ejercicio forma parte del curso

Introducción al aprendizaje profundo con PyTorch

Ver curso

Instrucciones del ejercicio

  • Calcula la pérdida MSE utilizando NumPy.
  • Crea una función de pérdida MSE utilizando PyTorch.
  • Convierte y_pred y y en tensores y, a continuación, calcula la pérdida MSE como mse_pytorch.

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

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)
Editar y ejecutar código