शुरू करेंमुफ़्त में शुरू करें

MSELoss का उपयोग

Regression समस्याओं के लिए, आप अक्सर cross-entropy की जगह Mean Squared Error (MSE) को loss फंक्शन के रूप में उपयोग करते हैं. MSE, predicted values (y_pred) और actual values (y) के बीच squared difference निकालता है. अब, आप NumPy और PyTorch दोनों का उपयोग करके MSE loss compute करेंगे.

torch, numpy (as np), और torch.nn (as nn) पैकेज पहले से import किए गए हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

PyTorch के साथ Deep Learning परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • NumPy का उपयोग करके MSE loss calculate करें.
  • PyTorch का उपयोग करके एक MSE loss फंक्शन बनाएँ.
  • y_pred और y को tensors में बदलें, फिर MSE loss को mse_pytorch के रूप में calculate करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

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)
कोड संपादित करें और चलाएँ