Este escrito ha sido analizado por especialistas para que tengas la garantía de la exactitud de nuestra esta división.
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] . |