PyTorch中多输出回归问题的均方根损失 [英] RMSE loss for multi output regression problem in PyTorch
本文介绍了PyTorch中多输出回归问题的均方根损失的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我正在训练CNN架构,以使用PyTorch解决回归问题,其中我的输出是20个值的张量。我计划使用RMSE作为模型的损失函数,并尝试使用PyTorch的nn.MSELoss()
并使用torch.sqrt()
求它的平方根,但在获得结果后感到困惑,我将尽力解释原因。很明显,对于批大小bs
,我的输出张量的维数将是[bs , 20]
。我尝试实现我自己的AND RMSE函数:
def loss_function (predicted_x , target ):
loss = torch.sum(torch.square(predicted_x - target) , axis= 1)/(predicted_x.size()[1]) #Taking the mean of all the squares by dividing it with the number of outputs i.e 20 in my case
loss = torch.sqrt(loss)
loss = torch.sum(loss)/predicted_x.size()[0] #averaging out by batch-size
return loss
但是我的loss_function()
的输出与PyTorch如何使用nn.MSELoss()
实现它的输出不同。我不确定是我的实现错误,还是我使用nn.MSELoss()
的方式有误。
推荐答案
MSE损失是错误的平方的平均值。您在计算MSE后取平方根,因此无法将您的损耗函数的输出与PyTorchnn.MSELoss()
函数的输出进行比较-它们计算的值不同。
但是,您可以只使用nn.MSELoss()
创建您自己的RMSE损失函数,如下所示:
loss_fn = nn.MSELoss()
RMSE_loss = torch.sqrt(loss_fn(prediction, target))
RMSE_loss.backward()
希望这会有帮助。
这篇关于PyTorch中多输出回归问题的均方根损失的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!
查看全文