เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การใช้ MSELoss

สำหรับปัญหาการถดถอย (regression) มักใช้ Mean Squared Error (MSE) เป็น loss function แทนที่จะใช้ cross-entropy โดย MSE คำนวณความแตกต่างยกกำลังสองระหว่างค่าที่พยากรณ์ (y_pred) กับค่าจริง (y) ในแบบฝึกหัดนี้ เราจะคำนวณ MSE loss ทั้งด้วย NumPy และ PyTorch

แพ็กเกจ torch, numpy (ในชื่อ np) และ torch.nn (ในชื่อ nn) ถูก import ไว้ให้เรียบร้อยแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning เบื้องต้นด้วย PyTorch

ดูคอร์ส

คำแนะนำการฝึกหัด

  • คำนวณ MSE loss โดยใช้ NumPy
  • สร้างฟังก์ชัน MSE loss โดยใช้ PyTorch
  • แปลง y_pred และ y ให้เป็น tensor จากนั้นคำนวณ MSE loss แล้วเก็บไว้ในตัวแปร mse_pytorch

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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)
แก้ไขและรันโค้ด