SC@SDUSC
之前学习了信息熵损失函数，之后来学习KI散度损失函数
在我们使用的模型中，这个模型的输入样本和样本标签已定，它们所对应的真实分布概率也确定
KL散度（KL divergence）
全称：Kullback-Leibler Divergence。
用途：比较两个概率分布的接近程度。
在统计应用中，我们经常需要用一个简单的，近似的概率分布f* 来描述。
观察数据D或者另一个复杂的概率分布f。这个时候，我们需要一个量来衡量我们选择的近似分布f*相比原分布f究竟损失了多少信息量，这就是KL散度起作用的地方。
熵（entropy）
想要考察信息量的损失，就要先确定一个描述信息量的量纲。
在信息论这门学科中，一个很重要的目标就是量化描述数据中含有多少信息。
为此，提出了熵的概念，记作H。
一个概率分布所对应的熵表达如下：
KL散度的计算
现在，我们能够量化数据中的信息量了，就可以来衡量近似分布带来的信息损失了。
KL散度的计算公式其实是熵计算公式的简单变形,在原有概率分布p上，加入我们的近似概率分布q，计算他们的每个取值对应对数的差：
换句话说，KL散度计算的就是数据的原分布与近似分布的概率的对数差的期望值。
在对数以2为底时，log2，可以理解为“我们损失了多少位的信息”。
写成期望形式：
更常见的是以下形式：
现在，我们就可以使用KL散度衡量我们选择的近似分布与数据原分布有多大差异了。
散度不是距离
因为KL散度不具有交换性，所以不能理解为“距离”的概念，衡量的并不是两个分布在空间中的远近，更准确的理解还是衡量一个分布相比另一个分布的信息损失(infomation lost)。
使用KL散度进行优化
通过不断改变预估分布的参数，我们可以得到不同的KL散度的值。
在某个变化范围内，KL散度取到最小值的时候，对应的参数是我们想要的最优参数。
这就是使用KL散度优化的过程。
KL散度=交叉熵-信息熵
# unsup lossif unsup_batch:# oriwith torch.no_grad():ori_logits = model(ori_input_ids, ori_segment_ids, ori_input_mask)ori_prob = F.softmax(ori_logits, dim=-1) # KLdiv target# ori_log_prob = F.log_softmax(ori_logits, dim=-1)# confidence-based maskingif cfg.uda_confidence_thresh != -1:unsup_loss_mask = torch.max(ori_prob, dim=-1)[0] > cfg.uda_confidence_threshunsup_loss_mask = unsup_loss_mask.type(torch.float32)else:unsup_loss_mask = torch.ones(len(logits) - sup_size, dtype=torch.float32)unsup_loss_mask = unsup_loss_mask.to(_get_device())# aug# softmax temperature controllinguda_softmax_temp = cfg.uda_softmax_temp if cfg.uda_softmax_temp > 0 else 1.aug_log_prob = F.log_softmax(logits[sup_size:] / uda_softmax_temp, dim=-1)# KLdiv loss"""nn.KLDivLoss (kl_div)input : log_prob (log_softmax)target : prob (softmax)/docs/stable/nn.htmlunsup_loss is divied by number of unsup_loss_maskit is different from the google UDA officialThe official unsup_loss is divided by total/google-research/uda/blob/master/text/uda.py#L175"""unsup_loss = torch.sum(unsup_criterion(aug_log_prob, ori_prob), dim=-1)unsup_loss = torch.sum(unsup_loss * unsup_loss_mask, dim=-1) / torch.max(torch.sum(unsup_loss_mask, dim=-1), torch_device_one())final_loss = sup_loss + cfg.uda_coeff*unsup_lossreturn final_loss, sup_loss, unsup_lossreturn sup_loss, None, None
