НачатьНачать бесплатно

Использование MSELoss

В задачах регрессии вместо кросс-энтропии часто используют среднеквадратичную ошибку (MSE) в качестве функции потерь. MSE вычисляет квадрат разности между предсказанными значениями (y_pred) и фактическими (y). В этом упражнении вы вычислите потери MSE двумя способами: с помощью NumPy и PyTorch.

Пакеты torch, numpy (как np) и torch.nn (как nn) уже импортированы.

Это упражнение является частью курса

Введение в глубокое обучение с PyTorch

Посмотреть курс

Инструкции к упражнению

  • Вычислите потери MSE с помощью NumPy.
  • Создайте функцию потерь MSE с помощью PyTorch.
  • Преобразуйте y_pred и y в тензоры, затем вычислите потери MSE и сохраните результат в переменную mse_pytorch.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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)
Редактировать и запускать код