MSE

Описание

Функция потерь, вычисляющая среднеквадратичную ошибку (mean squared error - MSE), которая представляет из себя усреднённую сумму квадратов разниц ответов сети и реальных лейблов.

Применяется в задачах регрессии.

Формула функции ошибки:

$$MSE = \frac{1}{N}\sum_{i=1}^N(y_i-y_i^p)^2$$

где

$N$ - количество объектов в выборке;
$y_i$ - реальное значение для i-го объекта;
$y_i^p$ - предсказанное моделью значение для i-го объекта.

Инициализация

def __init__(self):

Параметры

-

Пояснения

-

Примеры

---

Необходимые импорты:

import numpy as np
from PuzzleLib.Backend import gpuarray
from PuzzleLib.Cost import MSE

Info

gpuarray необходим для правильного размещения тензора на GPU

Синтетические целевой и предсказательный тензоры:

targets = gpuarray.to_gpu(np.random.randn(10, 10).astype(np.float32))
predictions = gpuarray.to_gpu(np.random.randn(10, 10).astype(np.float32))

Important

Не забывайте, что первым измерением целевого и предсказательного тензоров является размер батча.

Инициализация функции ошибки:

mse = MSE()

Расчёт ошибки и градиента на батче:

error, grad = mse(predictions, targets)