BaşlayınÜcretsiz başlayın

MSELoss kullanma

Regresyon problemlerinde, çapraz entropi yerine sıklıkla kayıp fonksiyonu olarak Mean Squared Error (MSE) kullanılır. MSE, tahmin edilen değerler (y_pred) ile gerçek değerler (y) arasındaki farkın karesini hesaplar. Şimdi MSE kaybını hem NumPy hem de PyTorch ile hesaplayacaksın.

torch, numpy (np olarak) ve torch.nn (nn olarak) paketleri zaten içe aktarılmış durumda.

Bu egzersiz, kursun bir parçasıdır

PyTorch ile Deep Learning'e Giriş

Kursa Göz Atın

Egzersiz talimatları

  • NumPy kullanarak MSE kaybını hesapla.
  • PyTorch kullanarak bir MSE kayıp fonksiyonu oluştur.
  • y_pred ve y değerlerini tensöre çevir, ardından MSE kaybını mse_pytorch olarak hesapla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

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)
Kodu Düzenle ve Çalıştır