pytorch 笔记：KLDivLoss

本文主要是介绍pytorch 笔记：KLDivLoss，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1 介绍

对于具有相同形状的张量 ypred​ 和 ytrue（ypred​ 是输入，ytrue​ 是目标），定义逐点KL散度为：

为了在计算时避免下溢问题，此KLDivLoss期望输入在对数空间中。如果log_target=True，则目标也在对数空间。

2 参数

reduction	reduction= “mean”不返回真正的KL散度值，reduction= “batchmean”才是
log_target	指定目标是否在对数空间中

3 举例

import torch
import torch.nn as nninput = torch.tensor([[0.5, -0.5, 0.1], [0.1, -0.2, 0.3]], requires_grad=True)target = torch.tensor([[0.7, 0.2, 0.1], [0.1, 0.5, 0.4]])loss_function = nn.KLDivLoss(reduction='batchmean')
loss = loss_function(input, target)
print(loss)
#tensor(-1.0176, grad_fn=<DivBackward0>)

等价手动形式：

target*(target.log()-input)
'''
tensor([[-0.5997, -0.2219, -0.2403],[-0.2403, -0.2466, -0.4865]], grad_fn=<MulBackward0>)
'''#这里的每个元素计算方式为：
'''
tensor([[-0.5997, -0.2219, -0.2403],[-0.2403, -0.2466, -0.4865]], grad_fn=<MulBackward0>)
'''torch.sum(target*(target.log()-input))/2
#tensor(-1.0176, grad_fn=<DivBackward0>)

这篇关于pytorch 笔记：KLDivLoss的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---