Sử dụng MSELoss
Với bài toán hồi quy, bạn thường dùng Mean Squared Error (MSE) làm hàm loss thay vì cross-entropy. MSE tính bình phương chênh lệch giữa giá trị dự đoán (y_pred) và giá trị thực (y). Bây giờ, bạn sẽ tính MSE loss bằng cả NumPy và PyTorch.
Các gói torch, numpy (viết tắt np), và torch.nn (viết tắt nn) đã được import sẵn.
Bài tập này là một phần của khóa học
Nhập môn Deep Learning với PyTorch
Hướng dẫn bài tập
- Tính MSE loss bằng NumPy.
- Tạo hàm loss MSE bằng PyTorch.
- Chuyển
y_predvàythành tensor, rồi tính MSE loss đặt tên làmse_pytorch.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
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)