Ver fuente en GitHub

Calcula el error cuadrático medio entre etiquetas y predicciones.

Ver alias

Alias ​​principales

tf.keras.losses.mean_squared_error, tf.keras.losses.mse, tf.keras.metrics.MSE, tf.keras.metrics.mean_squared_error, tf.keras.metrics.mse, tf.losses.MSE, tf.losses.mean_squared_error, tf.losses.mse, tf.metrics.MSE, tf.metrics.mean_squared_error, tf.metrics.mse

Alias ​​de compatibilidad para la migración

Ver Guía de migración para más detalles.

tf.compat.v1.keras.losses.MSE, tf.compat.v1.keras.losses.mean_squared_error, tf.compat.v1.keras.losses.mse, tf.compat.v1.keras.metrics.MSE, tf.compat.v1.keras.metrics.mean_squared_error, tf.compat.v1.keras.metrics.mse

tf.keras.losses.MSE(
    y_true, y_pred
)

Después de calcular la distancia al cuadrado entre las entradas, se devuelve el valor medio de la última dimensión.

loss = mean(square(y_true - y_pred), axis=-1)

Uso independiente:

y_true = np.random.randint(0,2, size=(2,3))
y_pred = np.random.random(size=(2,3))
loss = tf.keras.losses.mean_squared_error(y_true, y_pred)assert loss.shape ==(2,)assert np.array_equal(
    loss.numpy(), np.mean(np.square(y_true - y_pred), axis=-1))
argumentos
y_true Valores de verdad básicos. forma = [batch_size, d0, .. dN].
y_pred Los valores previstos. forma = [batch_size, d0, .. dN].
Devoluciones
Valores de error cuadrático medio. forma = [batch_size, d0, .. dN-1].