mindspore.ops.kl_div
- mindspore.ops.kl_div(logits, labels, reduction='mean')[源代码]
计算输入 logits 和 labels 的KL散度。
对于相同shape的Tensor \(x\) 和 \(target\) ,kl_div的计算公式如下:
\[L(x, target) = target \cdot (\log target - x)\]可得
\[\begin{split}\ell(x, target) = \begin{cases} L(x, target), & \text{if reduction} = \text{'none';}\\ \operatorname{mean}(L(x, target)), & \text{if reduction} = \text{'mean';}\\ \operatorname{sum}(L(x, target)) / x.\operatorname{shape}[0], & \text{if reduction} = \text{'batchmean';}\\ \operatorname{sum}(L(x, target)), & \text{if reduction} = \text{'sum'.} \end{cases}\end{split}\]其中 \(x\) 代表 logits 。 \(target\) 代表 labels 。 \(\ell(x, target)\) 为 output 。
说明
目前Ascend平台不支持数据类型float64。
仅当 reduction 设置为
"batchmean"
时输出才与Kullback-Leibler散度的数学定义一致。
- 参数:
logits (Tensor) - 数据类型支持float16、float32或float64。
labels (Tensor) - 标签Tensor,与 logits 的shape和数据类型相同。
reduction (str) - 指定输出结果的计算方式,可选值为
'mean'
、'batchmean'
、'none'
或'sum'
。默认值:'mean'
。'none'
:不应用规约方法。'mean'
:计算输出元素的加权平均值。'sum'
:计算输出元素的总和。'batchmean'
:计算输出元素的总和除以batch值。
- 返回:
Tensor或标量。如果 reduction 为
'none'
,则输出为Tensor且与 logits 的shape相同。否则为标量。- 异常:
TypeError - reduction 不是str。
TypeError - logits 或 labels 不是Tensor。
TypeError - logits 或 labels 的数据类型不是支持的类型。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, ops >>> logits = Tensor(np.array([0.2, 0.7, 0.1]), mindspore.float32) >>> labels = Tensor(np.array([0., 1., 0.]), mindspore.float32) >>> output = mindspore.ops.kl_div(logits, labels, 'mean') >>> print(output) -0.23333333