import torch.nn as nn
import torch
...
self.criterion=nn.MSELoss(reduction="mean")
...
prediction_data=...
label_data=...
RMSELoss=torch.sqrt(self.criterion(prediction_data,label_data))
RMsELoss.backward()
...
M
S
E
=
1
m
∑
i
N
∣
f
i
−
y
i
∣
2
MSE=\frac{1}{m}\sum_{i}^{N}|f_{i}-y_{i}|^2
MSE=m1i∑N∣fi−yi∣2
R
M
S
E
=
1
m
∑
i
N
∣
f
i
−
y
i
∣
2
RMSE=\sqrt{\frac{1}{m}\sum_{i}^{N}|f_{i}-y_{i}|^2}
RMSE=m1i∑N∣fi−yi∣2
PS:RMSE的存在是开完根号之后,误差的结果就和数据是一个单位级别的,可以更好的描述数据!