tensorflow--平均二乗誤差（MSE、平均二乗誤差）表現方法

Tensorflow Mean Square Error Mse

次のように、2つの3×3アレイを検討します。これは2つの3×3画像として理解できます。

a = tf.constant([[4.0, 4.0, 4.0], [3.0, 3.0, 3.0], [1.0, 1.0, 1.0]]) b = tf.constant([[1.0, 1.0, 1.0], [1.0, 1.0, 1.0], [2.0, 2.0, 2.0]]) print(a) print(b)

上に印刷された結果は次のとおりです。

Tensor('Const_16:0', shape=(3, 3), dtype=float32) Tensor('Const_17:0', shape=(3, 3), dtype=float32)

特定の配列のような値を取得する場合は、sess.runを使用する必要があります。

with tf.Session() as sess: print(sess.run(a)) print(sess.run(b))

取得する：

[[4. 4. 4.] [3. 3. 3.] [1. 1. 1.]] [[1. 1. 1.] [1. 1. 1.] [2. 2. 2.]]

以下では、3つの方法を使用して、これら2つの配列の平均二乗誤差（MSE、平均二乗誤差）を計算します。具体的な式は、次のとおりです。

1. tf.square（）とtf.reduce_mean（）の組み合わせ

c = tf.square(a - b) mse = tf.reduce_mean(c) with tf.Session() as sess: print(sess.run(c)) print(sess.run(mse)) [[9. 9. 9.] [4. 4. 4.] [1. 1. 1.]] 4.6666665

上記は、cテンソルの配列結果です。 mseの結果は4.6666665です。 42の合計を手動で計算し、それを要素の数で割ります。結果もこれです。
tf.square（a-b）は、配列aから配列bを減算した後、取得した配列のすべての要素を2乗することです。 tf.reduce_mean（c）、ディメンションが指定されていない場合は、すべての要素を平均します。具体的な使用法は次のとおりです。 https://blog.csdn.net/qq_32166627/article/details/52734387

2.tf.nn.l2_loss（）

tf.nn.l2_loss（t）の具体的な計算は、sum（t ** 2）/ 2であり、これはtf.square（t）の2倍に相当します。次に、mseを計算するための使用法は次のとおりです。

mse1 = (2.0/9)*tf.nn.l2_loss(a - b) # sum(t ** 2) / 2 with tf.Session() as sess: print(sess.run(mse1))

結果は4.6666665になることもあります。

3. tf.losses.mean_squared_error（）

tf.losses.mean_squared_error（）は、mse値を直接計算するためのものです。

mse2 = tf.losses.mean_squared_error(a, b) with tf.Session() as sess: print(sess.run(mse2))

結果は4.6666665です。