Mulai sekarangMulai gratis

Menggunakan MSELoss

Untuk masalah regresi, Anda sering menggunakan Mean Squared Error (MSE) sebagai fungsi loss alih-alih cross-entropy. MSE menghitung selisih kuadrat antara nilai yang diprediksi (y_pred) dan nilai aktual (y). Sekarang, Anda akan menghitung loss MSE menggunakan NumPy dan PyTorch.

Paket torch, numpy (sebagai np), dan torch.nn (sebagai nn) sudah diimpor.

Latihan ini merupakan bagian dari kursus

Pengantar Deep Learning dengan PyTorch

Lihat Kursus

Instruksi latihan

  • Hitung loss MSE menggunakan NumPy.
  • Buat fungsi loss MSE menggunakan PyTorch.
  • Konversi y_pred dan y menjadi tensor, lalu hitung loss MSE sebagai mse_pytorch.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

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)
Edit dan Jalankan Kode