pytorch 笔记：KLDivLoss

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 nn


input = 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>)