深度学习之：对均方误差 mse 的理解

代码

'''
a1, a2 是两个矩阵或者多维张量
'''
import numpy as np
def calculate_mse(a1,a2):
    return np.mean(np.square(a1-a2),axis=-1)

• 假设现在有两个张量，维度都是 (32,32,64)，那么他们之间做均方误差就是每个通道分别做对应位置相减的平方，得到的张量还是 (32,32,64)，然后再根据 axis=-1 的方向 (因为存在通道维，所以是沿着通道的方向) 进行平均计算，最终得到的结果是 (32,32) 的一个矩阵。
• 一定要注意，假设你现在有两个是 (8,8) 的矩阵，你要是还想按照如上的定义进行正确的 mse 计算，那么请你先把 (8,8) 矩阵变成 (8,8,1)，否则当你还沿着 axis=-1 也就是最后一个维度方向进行平均计算的时候，这个时候的 axis 可不是通道维度了，而是沿着 axis = 1 的方向进行了
  

反例

• 举个直观点的反例
  
  • 在这个例子中，如果两个 (2,2) 的矩阵做 mse 还是按照 axis=-1 进行平均，那么按照 axis=1 的方向平均，16 和 16 平均还是 16；36 和 49 平均就成了 42.5，这不是我们要的结果
  • 如果我们能人为地增加通道维度，再按照通道的维度进行平均，就会得到正确的结果（其实只有一个维度是不需要平均的，这里只是想让大家弄明白~）