返回信息流f-散度在深度学习的重要性怎么突出也不为过，它是各种散度在数学上的一个通用表示方式。常见分类器神经网络用到的交叉熵归根结底其实是KL散度，GAN中衡量真实分布与生成分布的距离是JS散度等等。该文章对f-散度的数学性质进行了补充证明和挖掘，尤其是f-散度的二阶偏导求得的fisher信息矩阵在大量的论文中都有用到过。
文章链接：https://guidao.blog.csdn.net/article/details/120129783
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #37969同步于 2021/11/20
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
深度学习中衡量概率分布的重要度量—f-散度
guidao
2021/11/20镜像同步1 回复
订阅后，新回复会通过你的通知中心匿名送达。
1 条回复