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

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！