文本内容:
交叉牖越大越好还是越小越好交叉牖应该越小越好,这个其实应该看应用于什么场景,我们在对话通信方面,希望的是焙,信息量越小越好但在深度学习中,焙应该是越大越好,牖越大,系统程度混乱,说明了两个样本(猫和狗)的概率分布越大,相似性越小,概率分布越独立交叉牖能够衡量同一个随机变量中的两个不同概率分布的差异程度,在机器学习中就表示为真实概率分布与预测概率分布之间的差异交叉牖的值越小,模型预测效果就越好交叉牖在分类问题中常常与softmax是标配,softmax将输出的结果进行处理,使其多个分类的预测值和为1,再通过交叉牖来计算损失。