问题标签 [mean-square-error]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - Tensorflow MeanSquaredError 不适用于一个数字
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]
python-3.x - tensorflow 2.0 中的 MSE 损失将 y_true 错误作为归约键
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!
python - 计算 numpy 数组之间的 MSE
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。
python - Tensorflow/Keras - 在损失函数中使用 NN 导数
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。
python - 如何使用 MNIST 数据集(Python)实现 GRNN 算法
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
python - 从传入的模型计算 mse
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.degree
model
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。
python - 如何获得跨特定维度的张量的 MSE?
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。
scikit-learn - 为什么每次运行程序时我的 Pearson 相关系数(和 MSE)都会不断变化?
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?