由 TensorFlow 计算的均方误差

Question

我试图弄清楚tensorflow是如何计算均方误差 (MSE) 的，并且正在阅读 https 上的帖子：//www.Z2C39BC19B761AC36DC046245D1_D47FE6Z.org/api_docs/squaredpython/metrics

首先，MSE 定义为（参见https://en.wikipedia.org/wiki/Mean_squared_error ）：

假设我有一个 output 并创建真实值和预测值。

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]]

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

然后，我增加列号。

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，它相当于np.mean(np.square(y_true - y_pred), axis=-1)

所以它正在逐行计算mse。