Python tf.keras.metrics.KLDivergence用法及代碼示例

計算 y_true 和 y_pred 之間的 Kullback-Leibler 散度度量。

繼承自：MeanMetricWrapper、Mean、Metric、Layer、Module

用法

tf.keras.metrics.KLDivergence(
    name='kullback_leibler_divergence', dtype=None
)

metric = y_true * log(y_true / y_pred)

單機使用：

m = tf.keras.metrics.KLDivergence()
m.update_state([[0, 1], [0, 0]], [[0.6, 0.4], [0.4, 0.6]])
m.result().numpy()
0.45814306

m.reset_state()
m.update_state([[0, 1], [0, 0]], [[0.6, 0.4], [0.4, 0.6]],
               sample_weight=[1, 0])
m.result().numpy()
0.9162892

compile() API 的用法：

model.compile(optimizer='sgd',
              loss='mse',
              metrics=[tf.keras.metrics.KLDivergence()])