mindspore.train.MSE

class mindspore.train.MSE

测量均方差MSE（Mean Squared Error）。

计算输入 \(y\_pred\) 和目标 \(y\) 各元素之间的平均平方误差。

\[\text{MSE}(y\_pred,\ y) = \frac{\sum_{i=1}^n({y\_pred}_i - y_i)^2}{n}\]

其中， \(n\) 为batch size。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> import mindspore
>>> from mindspore import Tensor
>>> from mindspore.train import MSE
>>>
>>> x = Tensor(np.array([0.1, 0.2, 0.6, 0.9]), mindspore.float32)
>>> y = Tensor(np.array([0.1, 0.25, 0.5, 0.9]), mindspore.float32)
>>> error = MSE()
>>> error.clear()
>>> error.update(x, y)
>>> result = error.eval()
>>> print(result)
0.0031250009778887033

clear()

清除内部评估结果。

eval()

计算均方差（MSE）。

返回：

numpy.float64，计算的MSE的结果。

异常：

• RuntimeError - 样本数为0。

update(*inputs)

使用预测值 \(y_{pred}\) 和真实值 \(y\) 更新局部变量。

参数：

• inputs - 输入 y_pred 和 y 用于计算MSE，其中 y_pred 和 y shape都为N-D，它们的shape相同。

异常：

• ValueError - inputs 的数量不等于2。