📜  Tensorflow.js tf.metrics.meanSquaredError()函数

📅  最后修改于: 2022-05-13 01:56:23.206000             🧑  作者: Mango

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();


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
    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