Contenido principal

mse

Error cuadrático medio dividido

Descripción

La operación de error cuadrático medio dividido calcula la pérdida del error cuadrático medio dividido entre las predicciones de la red y los valores objetivo para las tareas de regresión.

Nota

Se recomienda l2loss en lugar de mse porque proporciona control de pesos, enmascaramiento y normalización.

Para entrenar una red utilizando la función trainnet con pérdida de error cuadrático medio, establezca la función de pérdida en "mse".

loss = mse(Y,targets) calcula la pérdida del error cuadrático medio dividido entre las predicciones Y y los valores objetivo targets para problemas de regresión. La entrada Y debe ser un dlarray con formato. La salida loss es un escalar dlarray sin formato.

ejemplo

loss = mse(Y,targets,'DataFormat',FMT) también especifica el formato de dimensión FMT donde Y no es un dlarray con formato.

Ejemplos

contraer todo

El error cuadrático medio dividido evalúa la correspondencia entre las predicciones de la red y los valores objetivo.

Cree las predicciones de entrada como una única observación de valores aleatorios con una altura y anchura de seis y un único canal.

height = 6;
width = 6;
channels = 1;
observations = 1;

Y = rand(height,width,channels,observations);
Y = dlarray(Y,'SSCB')

Cree los valores objetivo como un arreglo numérico con el mismo orden de dimensión que los datos de entrada Y.

targets = ones(height,width,channels,observations);

Calcule el error cuadrático medio dividido entre las predicciones y los objetivos.

loss = mse(Y,targets)
loss =

  1x1 dlarray

    5.2061

Argumentos de entrada

contraer todo

Predicciones, especificadas como un objeto dlarray con formato o sin formato o como un arreglo numérico. Cuando Y no es un objeto dlarray con formato, debe especificar el formato de dimensión con el argumento DataFormat.

Si Y es un arreglo numérico, targets debe ser un objeto dlarray.

Respuestas objetivo, especificadas como un dlarray con formato o sin formato o como un arreglo numérico.

El tamaño de cada dimensión de targets debe coincidir con el tamaño de la dimensión correspondiente de Y.

Si targets es un dlarray con formato, su formato debe ser el mismo que el de Y o el mismo que el de DataFormat si Y no tiene formato.

Si targets es un dlarray sin formato o un arreglo numérico, la función aplica el formato de Y o el valor de DataFormat a targets.

Sugerencia

Los objetos dlarray con formato permutan automáticamente las dimensiones de los datos subyacentes para que tengan el orden "S" (espacial), "C" (canal), "B" (lote), "T" (tiempo) y, luego, "U" (sin especificar). Para garantizar que las dimensiones de Y y targets sean coherentes, cuando Y sea un dlarray con formato, especifique también targets como un dlarray con formato.

Descripción de las dimensiones de los datos, especificada como vector de caracteres o escalar de cadena.

Un formato de datos es una cadena de caracteres, en la que cada carácter describe el tipo de la dimensión de datos correspondiente.

Los caracteres son los siguientes:

  • "S": espacial

  • "C": canal

  • "B": lote

  • "T": tiempo

  • "U": sin especificar

Por ejemplo, considere un arreglo que representa un lote de secuencias, donde la primera, la segunda y la tercera dimensión corresponden a canales, observaciones y unidades de tiempo, respectivamente. Puede describir los datos como datos que tienen el formato "CBT" (canal, lote, tiempo).

Puede especificar varias dimensiones etiquetadas "S" o "U". Puede utilizar las etiquetas "C", "B" y "T" como máximo una vez cada una. El software ignora las dimensiones únicas "U" restantes tras la segunda dimensión.

Si los datos de entrada no son un objeto dlarray con formato, debe especificar la opción FMT.

Para obtener más información, consulte Deep Learning Data Formats.

Tipos de datos: char | string

Argumentos de salida

contraer todo

Pérdida del error cuadrático medio dividido, devuelta como un escalar dlarray sin formato. La salida loss contiene el mismo tipo de datos subyacentes que la entrada Y.

Algoritmos

contraer todo

Capacidades ampliadas

expandir todo

Historial de versiones

Introducido en R2019b