使用 MSELoss
在迴歸問題中，你常用 Mean Squared Error（MSE） 作為損失函式，而不是交叉熵。MSE 會計算預測值（y_pred）與實際值（y）之間差異的平方。現在，你將分別使用 NumPy 與 PyTorch 計算 MSE 損失。
torch、numpy（縮寫為 np）以及 torch.nn（縮寫為 nn）套件都已經匯入。
本練習屬於課程
使用 PyTorch 的深度學習入門
練習說明
- 使用 NumPy 計算 MSE 損失。
- 使用 PyTorch 建立一個 MSE 損失函式。
- 將
y_pred與y轉為張量，接著計算名為mse_pytorch的 MSE 損失。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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)