使用 MSELoss
对于回归问题，通常使用均方误差（MSE）作为损失函数，而不是交叉熵。MSE 计算预测值（y_pred）与真实值（y）之间的平方差。现在，您将分别使用 NumPy 和 PyTorch 计算 MSE 损失。
torch、numpy（简称 np）和 torch.nn（简称 nn）包已导入。
本练习是课程的一部分
使用 PyTorch 的深度学习入门
练习说明
- 使用 NumPy 计算 MSE 损失。
- 使用 PyTorch 创建一个 MSE 损失函数。
- 将
y_pred和y转换为张量，然后将 MSE 损失计算为mse_pytorch。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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)