pytorch kl散度学习笔记

举报
风吹稻花香 发表于 2022/04/08 23:54:12 2022/04/08
【摘要】 KL散度,也叫做相对熵,计算公式如下: import torch.nn as nn import torch import torch.nn.functional as F if __name__ == '__main__': x_o=torch.Tensor([[1,2],[3,4]]) y_o=torc...

KL散度,也叫做相对熵,计算公式如下:

import torch.nn as nn
import torch
import torch.nn.functional as F
if __name__ == '__main__':


    x_o=torch.Tensor([[1,2],[3,4]])
    y_o=torch.Tensor([[0.1,0.2],[0.3,0.4]])

    # x = F.log_softmax(x)
    x = F.softmax(x_o, dim=1)
    y = F.softmax(y_o, dim=1)
    criterion = nn.KLDivLoss()
    klloss = criterion(x, y)

    print('klloss',klloss)

    kl = F.kl_div(x_o.softmax(dim=-1).log(), y_o.softmax(dim=-1), reduction='sum')

    print('kl',kl)

以下内容转自:

文章来源: blog.csdn.net,作者:AI视觉网奇,版权归原作者所有,如需转载,请联系作者。

原文链接:blog.csdn.net/jacke121/article/details/124019403

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。