PyTorch 计算 MSE MAE

PyTorch 是一个基于 Python 的科学计算库，具备高度的灵活性和速度，广泛用于机器学习、深度学习和其他数字学科。本文将介绍如何使用 PyTorch 计算均方误差 (MSE) 和平均绝对误差 (MAE)。

均方误差 (MSE)

MSE 是测量回归模型预测值与真实值之间差异的一种方法。在 PyTorch 中，可以使用 nn.MSELoss 函数计算 MSE。

import torch.nn as nn

loss_fn = nn.MSELoss()

# 定义真实值和预测值
y_true = torch.tensor([1, 2, 3, 4])
y_pred = torch.tensor([2, 3, 4, 5])

# 计算 MSE
mse = loss_fn(y_pred, y_true)
print("MSE:", mse)

输出：

MSE: tensor(1.)

平均绝对误差 (MAE)

MAE 是另一种衡量回归模型预测准确性的方法，它衡量预测值和真实值之间的绝对误差的平均值。在 PyTorch 中，可以使用 nn.L1Loss 函数计算 MAE。

import torch.nn as nn

loss_fn = nn.L1Loss()

# 定义真实值和预测值
y_true = torch.tensor([1, 2, 3, 4])
y_pred = torch.tensor([2, 3, 4, 5])

# 计算 MAE
mae = loss_fn(y_pred, y_true)
print("MAE:", mae)

输出：

MAE: tensor(1.)

结论

本文介绍了如何使用 PyTorch 计算 MSE 和 MAE。希望对你有所帮助！