tensorflow: método de representación del error cuadrático medio (MSE, error cuadrático medio)

Tensorflow Mean Square Error Mse

Consideramos dos matrices de 3 × 3, que pueden entenderse como dos imágenes de 3 × 3, de la siguiente manera:

|_+_|

Los resultados impresos arriba son los siguientes:



|_+_|

Si desea obtener un valor específico similar a una matriz, debe usar sess.run:



|_+_|

obtener:



|_+_|

A continuación, utilizamos tres métodos para calcular el error cuadrático medio (MSE, error cuadrático medio) de estas dos matrices, la fórmula específica es
MSE

1. La combinación de tf.square () y tf.reduce_mean ()

|_+_| |_+_|

Lo anterior es el resultado de la matriz en el tensor c. El resultado de mse es 4.6666665. Calcule manualmente la suma de 42 y divídala por el número de elementos. El resultado también es este.
tf.square (a-b) es elevar al cuadrado todos los elementos de la matriz obtenida después de restar la matriz b de la matriz a. tf.reduce_mean (c), si no se especifica ninguna dimensión, es para promediar todos los elementos. El uso específico puede referirse a: https://blog.csdn.net/qq_32166627/article/details/52734387

2.tf.nn.l2_loss ()

El cálculo específico de tf.nn.l2_loss (t) es: sum (t ** 2) / 2, que es equivalente a 2 veces tf.square (t). Entonces, el uso para calcular mse es el siguiente:



|_+_|

El resultado también puede ser 4.6666665.

3. tf.losses.mean_squared_error ()

tf.losses.mean_squared_error () es calcular el valor mse directamente.

|_+_|

El resultado es 4,6666665.