问题标签 [mean-square-error]

我正在用 C++ 编写一个神经网络，以使用具有 5 个隐藏神经元的单个隐藏层来逼近xSin(x)函数。隐藏神经元使用tanh激活，输出层使用线性激活。我在 10,000 个 epoch 中使用了 30 个训练示例。

直到我洗牌我的数据，这就是我得到的：（ 红色：预测数据，绿色：实际数据），MSE 也接近 0

但是当我打乱训练示例的索引并验证我的打乱确实打乱时，我得到了可怕的结果：

,

和错误与时代为：

什么可能出错？洗牌可以对此负责吗？

这是供参考的简单代码

我正在尝试使用张量流均方误差计算网络的损失，但由于某种原因，如果输入张量只有一个数字，它就不起作用。应该怎么做呢。

这是一些代码：

错误

tensorflow.python.framework.errors_impl.InvalidArgumentError：无效的缩减维度（-1 用于 0 维度的输入 [Op:Mean]

我在运行 python 3.7.0 的 jupyter notebook 上使用了一个非常简单的神经网络和最新版本的 tensorflow 2.0。NN 有 Xip，一个浮点数作为输出，我将其用作函数 MainGaussian_1_U 中的参数，该函数近似于图像。当我尝试使用真实图像 img 和近似值 mk 之间的 MeanSquareError 计算损失时，我得到一个错误，其中损失函数似乎将 img 作为归约键。经过搜索，我仍然不知道这个键应该是什么，也找不到调试代码的方法：

给出的错误是：

这是我在 Stack Overflow 上的第一个问题：请让我知道是否可以更清楚！

科学问题：

我有很多 3D 体积，其中都有一个圆柱体，圆柱体在 z 轴上“直立”。包含圆柱体的体积非常嘈杂，就像超级嘈杂一样，您无法像人类一样看到其中的圆柱体。如果我将这些体积中的 1000 个平均在一起，我可以看到圆柱体。每个卷都包含一个圆柱体的副本，但在少数情况下，圆柱体的方向可能不正确，所以我想要一种方法来解决这个问题。

我想出的解决方案：

我已经获取了平均体积并将其投影到 z 和 x 轴上（仅投影 numpy 数组），以便在一个方向上得到一个漂亮的圆圈，在另一个方向上得到一个矩形。然后我获取每个 3D 体积并沿 Z 轴投影每个单独的体积。SNR 仍然很差，我看不到一个圆圈，但是如果我平均 2D 切片，我可以在平均几百个之后开始看到一个圆圈，并且在前 1000 个平均后很容易看到。为了计算每个体积的分数，我计算了 3D 体积相对于其他三个阵列沿 z 投影的 MSE，第一个是沿 Z 投影的平均值，然后是沿 y 或 x 投影的平均值，最后是一个带有噪声在其中的正态分布。

目前我有以下内容，其中 RawParticle 是 3D 数据，Ave 是平均值：

然后我将 Ave 与轴 1 相加重复此操作，然后再次将原始粒子与噪声数组进行比较。

但是，当我比较应该都是圆形的投影时，我的输出给出了最高的 MSE，如下所示：

我对 MSE 的理解是，其他两个人群应该有高 MSE，而我同意的人群应该有低 MSE。也许我的数据对于这种类型的分析来说太嘈杂了？但如果这是真的，那么我真的不知道该怎么做我正在做的事情。

如果有人可以浏览我的代码或启发我对 MSE 的理解，我将非常感激。

感谢您花时间浏览和阅读。

我目前正在使用 tensorflow 估计正弦函数。我想通过在我的损失函数中添加一个导数项来包括 sinus 的二阶导数等于 -sinus 的事实。我对 tf. 我当前的代码看起来像这样

目前该custom_loss功能只是普通的 MSE。我想包括 NN 输出 wrt 输入点的导数x_test。我怎样才能将这样一个术语纳入我的损失函数中。

我已经查了几个问题。特别是这个问题看起来很相似，但我不知道如何在我的代码示例中使用答案。谢谢您的帮助。

我正在尝试使用 python用MNIST 手写数字数据集实现GRNN，这是我的代码，我将预测值作为 NaN

我正在尝试绘制数据的均方误差，但我很难弄清楚如何去做。我知道您需要“真实”值和“预测”值才能获得 mse，但我的项目布局方式相当混乱。

我有一种方法可以生成这样的模型：

这将返回一个已经训练好的模型。

然后，我应该找到所述模型的均方误差。我不确定我应该怎么做，因为模型已经过训练而没有返回预测值。现在我计算mse的方法是：

我觉得我使用的很多代码mse与fit_curve. 不幸的是，指导方针说这是我需要这样做的方式（使用mse, X,y和.degreemodel

我认为还值得注意的是，我的电流mse正常工作到大约 13-14 度，它在图表上生成的答案与我给出的解决方案不匹配。我不确定为什么它不能完美运行，因为我认为这是正确的想法。

我有 2 个张.size量torch.Size([2272, 161])。我想得到它们之间的均方误差。但是，我希望它沿着 161 个通道中的每一个通道，以便我的误差张量.size具有torch.Size([161]). 我怎样才能做到这一点？

似乎这torch.nn.MSELoss不允许我指定维度。

每次我运行相同的代码来训练数据集，预测测试集上的值，然后计算相关系数和 MSE 值时，这些值发生变化是否正常？为什么会这样？