MSE-均方误差

M S E − 均 方 误 差 MSE-均方误差 MSE

补充:reduce操作是用来减维度


一 TF2.0


1.1 类实现

class MeanSquaredError(tf.keras.losses.Loss):
    def call(self, y_true, y_pred):
        return tf.reduce_mean(tf.square(y_pred - y_true))
a = tf.constant([0., 0., 1., 1.])
b = tf.constant([1., 1., 1., 0.])
mse = MeanSquaredError()
mse(a,b)

在这里插入图片描述

1.2 函数式实现

def MeanSquaredError( y_true, y_pred):
    return tf.reduce_mean(tf.square(y_pred - y_true))
mse = MeanSquaredError(a,b)
mse

在这里插入图片描述

1.3 tf2.0的keras高阶API

mse = tf.keras.losses.MeanSquaredError()
loss = mse([0., 0., 1., 1.], [1., 1., 1., 0.])
print('Loss: ', loss.numpy())  # Loss: 0.75

在这里插入图片描述


二 Numpy实现

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值