tf.keras.losses.KLD

Вычисляет потерю расхождения Кульбака-Лейблера между y_true и y_pred.

Просмотр псевдонимов

Основные псевдонимы

tf.keras.losses.kld, tf.keras.losses.kullback_leibler_divergence, tf.keras.metrics.KLD, tf.keras.metrics.kld, tf.keras.metrics.kullback_leibler_divergence

tf.keras.losses.KLD(
    y_true, y_pred
)

Формула:

loss = y_true * log(y_true / y_pred)

y_true и y_pred ожидаются как распределения вероятностей, со значениями между 0 и 1. Они будут ограничены диапазоном [0, 1].

Аргументы
`y_true`	Тензор истинных целевых значений.
`y_pred`	Тензор предсказанных целевых значений.

Возвращаемые значения
Значения потерь расхождения Кульбака-Лейблера с формой = `[batch_size, d0, .. dN-1]`.

Пример:

y_true = np.random.randint(0, 2, size=(2, 3)).astype(np.float32)
y_pred = np.random.random(size=(2, 3))
loss = keras.losses.kl_divergence(y_true, y_pred)
assert loss.shape == (2,)
y_true = ops.clip(y_true, 1e-7, 1)
y_pred = ops.clip(y_pred, 1e-7, 1)
assert np.array_equal(
    loss, np.sum(y_true * np.log(y_true / y_pred), axis=-1))

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/losses/KLD