kldiv_loss

paddle.fluid.layers.kldiv_loss ( x, target, reduction\=’mean’, name\=None ) [源代码]

该OP计算输入(X)和输入(Target)之间的Kullback-Leibler散度损失。注意其中输入(X)应为对数概率值，输入(Target)应为概率值。

kL发散损失计算如下：

kldiv_loss - 图1

kldiv_loss - 图2

为输入（X），yy 输入（Target）。

当 reduction 为 none 时，输出损失与输入（x）形状相同，各点的损失单独计算，不会对结果做reduction 。

当 reduction 为 mean 时，输出损失为[1]的形状，输出为所有损失的平均值。

当 reduction 为 sum 时，输出损失为[1]的形状，输出为所有损失的总和。

当 reduction 为 batchmean 时，输出损失为[N]的形状，N为批大小，输出为所有损失的总和除以批量大小。

参数:

  • x (Variable) - KL散度损失算子的输入张量。维度为[N, *]的多维Tensor，其中N是批大小，*表示任何数量的附加维度，数据类型为float32或float64。

  • target (Variable) - KL散度损失算子的张量。与输入 x 的维度和数据类型一致的多维Tensor。

  • reduction (Variable)-要应用于输出的reduction类型，可用类型为‘none’ | ‘batchmean’ | ‘mean’ | ‘sum’，‘none’表示无reduction，‘batchmean’ 表示输出的总和除以批大小，‘mean’ 表示所有输出的平均值，‘sum’表示输出的总和。

  • name (str，可选) – 具体用法请参见 Name ，一般无需设置。默认值：None。

  • name (None|str) – 该参数供开发人员打印调试信息时使用，具体用法请参见 Name ，默认值为None。

返回：Variable(Tensor) KL散度损失。

返回类型：变量(Variable)，数据类型与输入 x 一致。

代码示例：

  1. import paddle.fluid as fluid
  3. # 'batchmean' reduction, loss shape 为[N]
  4. x = fluid.data(name='x', shape=[None,4,2,2], dtype='float32') # shape=[-1, 4, 2, 2]
  5. target = fluid.layers.data(name='target', shape=[4,2,2], dtype='float32')
  6. loss = fluid.layers.kldiv_loss(x=x, target=target, reduction='batchmean') # shape=[-1]
  8. # 'mean' reduction, loss shape 为[1]
  9. x = fluid.data(name='x', shape=[None,4,2,2], dtype='float32') # shape=[-1, 4, 2, 2]
  10. target = fluid.layers.data(name='target', shape=[4,2,2], dtype='float32')
  11. loss = fluid.layers.kldiv_loss(x=x, target=target, reduction='mean') # shape=[1]
  13. # 'sum' reduction, loss shape 为[1]
  14. x = fluid.data(name='x', shape=[None,4,2,2], dtype='float32') # shape=[-1, 4, 2, 2]
  15. target = fluid.layers.data(name='target', shape=[4,2,2], dtype='float32')
  16. loss = fluid.layers.kldiv_loss(x=x, target=target, reduction='sum') # shape=[1]
  18. # 'none' reduction, loss shape 与X相同
  19. x = fluid.data(name='x', shape=[None,4,2,2], dtype='float32') # shape=[-1, 4, 2, 2]
  20. target = fluid.layers.data(name='target', shape=[4,2,2], dtype='float32')
  21. loss = fluid.layers.kldiv_loss(x=x, target=target, reduction='none') # shape=[-1, 4, 2, 2]