理解JS散度(Jensen–Shannon divergence)

撸破天: [code=python] def mixture_normal(out, num=3): # 将out沿着axis=-1平均切分为3份 # loc：正太分布均值参数 # un_scale: 正太分布的标准差参数 # logits：混合权重参数 loc, un_scale, logits = tf.split(out, num_or_size_splits=num, axis=-1) # 使用softplus函数，确保scale为正 scale = tf.nn.softplus(un_scale) # 实例化正太分布 normals = tfd.Normal(loc=loc, scale=scale) # 混合Normal分布 mixture_normals = tfd.MixtureSameFamily(mixture_distribution = tfd.Categorical(logits=logits), components_distribution = normals) [/code] 拿走，不谢

字助之_: 请问您现在搞明白为什么用这个辅助概率分布了嘛？

胤风: 改成转载吧，你这基本都是照搬的，是不是太不尊重原作者了

InceptionZ: 感谢指正！

C.er: 在学习本节之前，请先复习一下生成器和装饰器（这里应该是写错了，是生成器和迭代器）