ÎncepețiÎncepe gratuit

Folosirea MSELoss

În problemele de regresie, se folosește adesea Eroarea Medie Pătratică (MSE) ca funcție de pierdere, în loc de entropie încrucișată. MSE calculează diferența la pătrat dintre valorile prezise (y_pred) și valorile reale (y). Acum vei calcula pierderea MSE atât cu NumPy, cât și cu PyTorch.

Pachetele torch, numpy (ca np) și torch.nn (ca nn) sunt deja importate.

Acest exercițiu face parte din cursul

Introducere în Deep Learning cu PyTorch

Vezi cursul

Instrucțiuni pentru exercițiu

  • Calculează pierderea MSE folosind NumPy.
  • Creează o funcție de pierdere MSE folosind PyTorch.
  • Convertește y_pred și y în tensori, apoi calculează pierderea MSE ca mse_pytorch.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

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)
Editează și rulează codul