（十一）批量均方误差与形状核对
现在同时读取两条样本：x=1、2，实际值为 3、5，初始仍为 w=1、b=0。预测为 1、2，误差为 -2、-3，平均损失为：
对每条样本先按上一节求偏导，再取平均：
# 项目文件：demos/batch_gradient.py
import torch
from torch import nn
x = torch.tensor([[1.0], [2.0]])
y = torch.tensor([[3.0], [5.0]])
w = torch.tensor(1.0, requires_grad=True)
b = torch.tensor(0.0, requires_grad=True)
prediction = x * w + b
loss = nn.MSELoss()(prediction, y) # 两项平方误差 4、9 取平均。
loss.backward()
print("批损失", loss.item(), "梯度", w.grad.item(), b.grad.item())
# 少掉末尾这一轴后，广播会生成 2×2，改变了实际比较的对象。
wrong = prediction.detach().squeeze(1) - y
print("错误相减形状", tuple(wrong.shape), "错误平均", wrong.square().mean().item())nn.MSELoss 默认取所有误差元素的平均。这里预测与目标都为 (2, 1)，每行一一比较，得到 6.5、-8、-5。
如果把预测压成 (2,)，却仍保留目标 (2, 1)，相减会按广播变成 (2, 2)：每个实际值都和两项预测比较，误差矩阵是 [[-2,-1],[-4,-3]]，平方平均变为 7.5。程序成功运行，但任务已经变了。先写清“每条样本对应几个结果”，再核对两边形状。
