ComeçarComece gratuitamente

Usando o MSELoss

Para problemas de regressão, você costuma usar o erro quadrático médio (MSE ) como função de perda em vez de entropia cruzada. MSE calcula a diferença quadrada entre os valores previstos (y_pred) e os valores reais (y). Agora, você calculará a perda do MSE usando o NumPy e o PyTorch.

torchOs pacotes numpy (como np) e torch.nn (como nn) já estão importados.

Este exercício faz parte do curso

Introdução à aprendizagem profunda com PyTorch

Ver Curso

Instruções de exercício

  • Calcule a perda do MSE usando o NumPy.
  • Crie uma função de perda MSE usando o PyTorch.
  • Converta y_pred e y em tensores e, em seguida, calcule a perda de MSE como mse_pytorch.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

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 e executar código