Zacznij terazZacznij za darmo

Użycie funkcji MSELoss

W problemach regresji często używa się błędu średniokwadratowego (MSE) jako funkcji straty zamiast entropii krzyżowej. MSE oblicza kwadrat różnicy między wartościami przewidywanymi (y_pred) a rzeczywistymi (y). Teraz obliczysz stratę MSE, korzystając zarówno z NumPy, jak i PyTorch.

Pakiety torch, numpy (jako np) oraz torch.nn (jako nn) są już zaimportowane.

To ćwiczenie jest częścią kursu

Wprowadzenie do uczenia głębokiego z PyTorch

Zobacz kurs

Instrukcje do ćwiczenia

  • Oblicz stratę MSE za pomocą NumPy.
  • Utwórz funkcję straty MSE za pomocą PyTorch.
  • Przekonwertuj y_pred i y na tensory, a następnie oblicz stratę MSE jako mse_pytorch.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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)
Edytuj i uruchom kod