ПочатиПочніть безкоштовно

Використання MSELoss

Для задач регресії часто використовують функцію втрат Mean Squared Error (MSE) замість крос-ентропії. MSE обчислює квадрат різниці між спрогнозованими значеннями (y_pred) та фактичними значеннями (y). Тепер ви обчислите втрати MSE як у NumPy, так і в PyTorch.

Пакети torch, numpy (як np) і torch.nn (як nn) уже імпортовані.

Ця вправа є частиною курсу

Вступ до Deep Learning з PyTorch

Переглянути курс

Інструкції до вправи

  • Обчисліть втрати MSE за допомогою NumPy.
  • Створіть функцію втрат MSE у PyTorch.
  • Перетворіть y_pred і y на тензори, а потім обчисліть втрати MSE як mse_pytorch.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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)
Редагувати та запускати код