У меня есть некоторые заблуждения относительно понятий KLD и CE.Я знаю, что потеря CE дает те же результаты, что и минимизация KL-дивергенции.
(KL divergence(P||Q) = cross entropy(P,Q) - entropy(P). because P is constant.)
(Когда Q - это распределение истинности относительно земли)
В задаче классификации мы обычно используем CE(P,Q) не CE(Q,P).
Почему мы не используем CE(Q,P)?
KLD(P||Q) не то же самое, что KLD(Q||P), тогда, я думаю, CE(Q,P) может помочь этому CE(P,Q) не могу сделать.
Чего мне не хватает?