pytorch kl散度学习笔记
【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)