Class mindspore.nn.MSE

    测量均方差（MSE）。

    创建用于计算输入:math:`x`和目标:math:`y`中的每个元素的均方差（L2范数平方）的标准。

    .. math::
        \text{MSE}(x,\ y) = \frac{\sum_{i=1}^n(y_i - x_i)^2}{n}

    其中，:math:`n` 为batch size。

    示例：
        >>> import numpy as np
        >>> from mindspore import nn, Tensor
        >>>
        >>> x = Tensor(np.array([0.1, 0.2, 0.6, 0.9]), mindspore.float32)
        >>> y = Tensor(np.array([0.1, 0.25, 0.5, 0.9]), mindspore.float32)
        >>> error = nn.MSE()
        >>> error.clear()
        >>> error.update(x, y)
        >>> result = error.eval()


clear()
清除内部评估结果。

eval()

        计算均方差（MSE）。

        返回：
            numpy.float64，计算结果。

        异常：
            RuntimeError：样本数为0。


update(*inputs)

        使用预测值:math:`y_{pred}`和真实值:math:`y`更新局部变量。。

        参数：
            输入：输入`y_pred`和`y`用于计算MSE，其中`y_pred`和`y`shape都为N-D，它们的shape相同。

        异常：
            ValueError：`inputs` 的数量不等于2。