# 只在隐藏位置算损失，分母也要一致
[独立阅读](/course/blocks/mae-masked-loss-denominator.html)**课堂上下文：从哪个问题来**
解码阶段恢复位置，再预测内容；目标从原图来，误差只在隐藏集合比较。


令隐藏集合为 $\mathcal M$，每个patch含P个像素值。一个清晰的口径是先在patch内平均，再在隐藏patch间平均：$L=|\mathcal M|^{-1}\sum_{i\in\mathcal M}P^{-1}\sum_{p=1}^{P}(\hat x_{ip}-x_{ip})^2$。16块中隐藏12块时，外层分母就是12。



若把已知可见像素直接拼回预测图，它们误差天然为零。此时对整图平均会使指标更小，却没有改善隐藏预测。图像面板可以为方便阅读拼回可见真值，但必须说明；数值则继续评价隐藏集合。



原论文还讨论对每个patch的像素做归一化后作为目标。比较不同实验时，要同时核对预测位置、像素缩放及归一化；同样叫“MSE”的数，分母和目标一变就未必可比。


## 继续阅读与实验