Как найти MSE при использовании партийного загрузчика? ⇐ Python

[Anonymous]

Я работаю над задачей регрессии, используя модели глубокого обучения. При расчете MSE я разделен на длину набора данных. Тем не менее, Chatgpt предлагает мне разделить его на длину погрузчика. Как правильный способ вычисления MSE в этом случае? При расчете Train_mse модель должна быть в режиме поезда или оценки?def train_and_evaluate(model, train_loader, val_loader, num_epochs=40, lr=1e-3, weight_decay=1e-5, patience=5):
model = model.to(device)
criterion = nn.MSELoss()
optimizer = optim.Adam(model.parameters(), lr=lr, weight_decay=weight_decay)

best_val_mse = float('inf')
epochs_no_improve = 0

for epoch in range(num_epochs):
model.train()
train_loss, train_preds, train_targets = 0, [], []
for features, targets in train_loader:
features, targets = features.to(device), targets.to(device)
preds = model(features)
loss = criterion(preds, targets)

optimizer.zero_grad()
loss.backward()
optimizer.step()

train_loss += loss.item()
train_preds.extend(preds.detach().cpu().numpy())
train_targets.extend(targets.cpu().numpy())

model.eval()
val_loss, val_preds, val_targets = 0, [], []
with torch.no_grad():
for features, targets in val_loader:
features, targets = features.to(device), targets.to(device)
preds = model(features)
loss = criterion(preds, targets)

val_loss += loss.item()
val_preds.extend(preds.detach().cpu().numpy())
val_targets.extend(targets.cpu().numpy())

train_mse = train_loss / len(train_dataset)
train_pc = safe_pearsonr(train_preds, train_targets)
val_mse = val_loss / len(val_dataset)
val_pc = safe_pearsonr(val_preds, val_targets)


Подробнее здесь: https://stackoverflow.com/questions/796 ... tch-loader