使用pytorch怎么計算 kl散度

使用pytorch怎么計算 kl散度 ？很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。

如果現在想用Y指導X，第一個參數要傳X，第二個要傳Y。就是被指導的放在前面，然后求相應的概率和對數概率就可以了。

import torch
import torch.nn.functional as F
# 定義兩個矩陣
x = torch.randn((4, 5))
y = torch.randn((4, 5))
# 因為要用y指導x,所以求x的對數概率，y的概率
logp_x = F.log_softmax(x, dim=-1)
p_y = F.softmax(y, dim=-1)
 
 
kl_sum = F.kl_div(logp_x, p_y, reduction='sum')
kl_mean = F.kl_div(logp_x, p_y, reduction='mean')
 
print(kl_sum, kl_mean)
 
 
>>> tensor(3.4165) tensor(0.1708)

補充：pytorch中的kl散度，為什么kl散度是負數？

F.kl_div()或者nn.KLDivLoss()是pytroch中計算kl散度的函數，它的用法有很多需要注意的細節。

輸入

第一個參數傳入的是一個對數概率矩陣，第二個參數傳入的是概率矩陣。并且因為kl散度具有不對稱性，存在一個指導和被指導的關系，因此這連個矩陣輸入的順序需要確定一下。如果現在想用Y指導X，第一個參數要傳X，第二個要傳Y。就是被指導的放在前面，然后求相應的概率和對數概率就可以了。

所以，一隨機初始化一個tensor為例，對于第一個輸入，我們需要先對這個tensor進行softmax（確保各維度和為1），然后再取log；對于第二個輸入，我們需要對這個tensor進行softmax。

import torch
import torch.nn.functional as F

a = torch.tensor([[0,0,1.1,2,0,10,0],[0,0,1,2,0,10,0]])
log_a =F.log_softmax(a)

b = torch.tensor([[0,0,1.1,2,0,7,0],[0,0,1,2,0,10,0]])
softmax_b =F.softmax(b,dim=-1)

kl_mean = F.kl_div(log_a, softmax_b, reduction='mean')
print(kl_mean)

為什么KL散度計算出來為負數

先確保對第一個輸入進行了softmax+log操作，對第二個參數進行了softmax操作。不進行softmax操作就可能為負。

然后查看自己的輸入是否是小數點后有很多位，當小數點后很多位的時候，pytorch下的softmax會產生各維度和不為1的現象，導致kl散度為負，如下所示：

a = torch.tensor([[0.,0,0.000001,0.0000002,0,0.0000007,0]])
log_a =F.log_softmax(a,dim=-1)
print("log_a:",log_a)

b = torch.tensor([[0.,0,0.000001,0.0000002,0,0.0000007,0]])
softmax_b =F.softmax(b,dim=-1)
print("softmax_b:",softmax_b)

kl_mean = F.kl_div(log_a, softmax_b,reduction='mean')
print("kl_mean:",kl_mean)

輸出如下，我們可以看到softmax_b的各維度和不為1：

pytorch的優點

1.PyTorch是相當簡潔且高效快速的框架；2.設計追求最少的封裝；3.設計符合人類思維，它讓用戶盡可能地專注于實現自己的想法；4.與google的Tensorflow類似，FAIR的支持足以確保PyTorch獲得持續的開發更新；5.PyTorch作者親自維護的論壇 供用戶交流和求教問題6.入門簡單

看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注億速云行業資訊頻道，感謝您對億速云的支持。