用TensorFlow计算均方误差

Question

我试图弄清楚均方误差(MSE)是如何由tensorflow计算的，并且是在错误上阅读的。

首先，味精被定义为(参见错误)：

​

​

假设我有一个输出，并创建真值和预测值。

import numpy as np
import random

y_true = np.random.randint(0, 10, size=(2, 1))
print(y_true,"\n")
y_pred = np.random.randint(0,5,size=(2, 1))
print(y_pred)

[[7]
 [5]]

[[2]
 [2]]

但是，当我调用tf.keras.losses.mean_squared_error(y_true, y_pred)时，我希望看到的是[(7-2)^2 + (5-2)^2]/2 = 17返回array([25, 9])。为什么tensorflow不计算平均值？

然后，增加列数。

y_true = np.random.randint(0, 10, size=(2, 3))
print(y_true,"\n")
y_pred = np.random.randint(0,5,size=(2, 3))
print(y_pred)

[[2 6 0]
 [3 3 4]] 

[[4 2 4]
 [3 4 2]]

tensorflow返回的答案是array([12, 1])。我无法理解这些值是如何计算的。我所期待的是[(2-4)^2+ (6-2)^2+(0-4)^2]/2 + [(3-3)^2 + (3-4)^2+ (4-2)^2]/2。

Answer 1

第二个值计算为

a = np.array([2,6,0])
b = np.array([4,2,4])
((b - a)**2).mean()

或[(2-4)^2+ (6-2)^2+(0-4)^2]/3

根据他们的文档，这相当于np.mean(np.square(y_true - y_pred), axis=-1)

因此，它是按行计算mse的。