Tensorflow.js tf.metrics.meanSquaredError()函数

Tensorflow.js是谷歌开发的一个开源库，用于在浏览器或节点环境中运行机器学习模型和深度学习神经网络。

Tensorflow tf.metrics.meanSquaredError()函数是一个损失函数或度量函数，用于计算 y_true 和 y_pred 之间的均方误差。 y_true 是真值张量，y_pred 是预测张量。

句法：

tf.metrics.meanSquaredError(tensor1, tensor2);

参数：此函数接受两个参数，如下所示：

• tensor1：是真值张量（y_true）。
• tensor2：它是预测张量（y_pred）。

返回值：返回真值张量和预测张量之间的均方误差张量。

示例 1：

Javascript

// Importing the tensorflow.Js library
// import * as tf from "@tensorflow/tfjs"
 
// Creating the tensor
let truth = tf.tensor1d([6, 4]);
let prediction = tf.tensor1d([-3, -4]);
 
// Calculating mean squared Error
// between truth and prediction tensor
const mse = tf.metrics.meanSquaredError(truth, prediction);
 
// Printing mean square error
mse.print();

输出：

Tensor
    72.5

示例 2：

Javascript

// Importing the tensorflow.Js library
// import * as tf from "@tensorflow/tfjs"
 
// Calculating mean squared Error between
// truth and prediction tensor
let mse = tf.metrics.meanSquaredError(
    tf.tensor1d([0, 1, 2, 3]),
    tf.tensor1d([-8,-9, -10, -11])
);
 
// Printing mean square error
mse.print();

输出：

Tensor
    126

参考： https://js.tensorflow.org/api/latest/#metrics.meanSquaredError